文章主要内容和创新点
主要内容
本文针对大型语言模型（LLM）驱动的软件系统在多语言场景下的安全防护问题，尤其是东南亚低资源语言的安全对齐缺口，提出了一种多语言安全防护机制SEALGuard。
- 现有防护机制（如LlamaGuard）在英语中表现优异，但在东南亚等低资源语言中，对不安全提示和越狱提示的检测性能显著下降（Defense Success Rate，DSR分别下降9%和18%）。
- 为解决这一问题，作者基于低秩适应（LoRA）技术，将通用多语言模型（SeaLLM）适配为多语言安全防护模型，专门针对东南亚语言优化。
- 构建了大型多语言安全对齐数据集SEALSBench，包含10种语言（英语+9种东南亚语言）的266,444条提示（含安全、不安全、越狱三类）。
- 评估结果显示，SEALGuard在检测多语言不安全和越狱提示上显著优于现有方法，DSR达97%，F1-score达98%，较LlamaGuard提升48%以上。
创新点
- 提出SEALGuard：首个针对东南亚语言的多语言安全防护机制，填补了现有防护机制在多语言安全对齐中的缺口。
- 构建SEALSBench：首个包含10种语言、26万+提示的大型多语言安全对齐数据集，覆盖安全、不安全（10类）、越狱（9类）场景。
- 验证有效性：通过实验证明SEALGuard在多语言
