夜雨聆风
AI合规不求人:50条算法备案自检清单,对照检查防被退
ENTERPRISE
让备案变得简单高效！
算法备案和安全评估材料繁杂，稍有遗漏就可能被退回整改。
为了帮助企业提前发现问题、降低返工成本，我为你整理了50条核心自检点，覆盖备案材料的各个维度。对照检查，哪里不通过改哪里，备案效率提升一倍以上。
主体资质类（6条）
以下6条检查主体资质是否完备，这是备案的第一道门槛：
1营业执照经营范围是否包含AI或互联网信息服务相关业务？
2ICP许可证是否已取得或正在申请？（如提供互联网信息服务）
3是否在境内有实际运营场所？（境外注册AI服务需通过境内代理）
4法人及主要管理人员的身份信息是否与申请表一致？
5服务是否面向公众提供？（不面向公众的内部工具通常不需备案）
6是否具有舆论属性或社会动员能力？（触发备案的关键判断）
备案材料完整类（10条）
以下10条检查备案材料是否齐全，避免因材料缺失被退回：
7上线备案申请表是否填写完整，所有必填项无遗漏？
8安全评估报告是否包含语料安全、模型安全、安全措施、总体结论四大模块？
9语料标注规则是否包含标注规模、人员、规则、质量核验的完整说明？
10拦截关键词列表是否达到10,000+的要求？（广东省31类风险，每类≥200个）
11评估测试题集是否覆盖31类风险？（广东省要求，每类≥50道）
12服务协议是否包含用户告知、个人信息保护、免责声明等法定义务条款？
13隐私政策是否说明数据收集范围、存储方式、使用目的、共享对象？
14所有材料中的数据是否前后一致？（安全评估报告数据与申请表数据是否吻合？）
15备案材料的公章、签字、日期是否齐备？电子件是否清晰可辨？
16是否已准备备选模型（如有）的相关说明材料？
安全风险评估类（10条）
以下10条检查安全评估报告的质量，防止报告被认定为空话套话：
17安全评估报告是否有可量化的数据支撑？（而非仅有定性描述）
18语料安全评估是否详细说明了数据来源、规模、授权证明？
19模型安全评估是否包含生成内容合规性、知识产权、拒答率的实测数据？
20安全措施评估是否覆盖适用人群、信息保护、拦截措施、更新机制？
21报告中的测试案例是否真实可查？（非编造或虚构场景）
22是否说明了模型在违规内容发现后的处置流程？
23是否说明了模型更新的频率和安全测试的触发条件？
24是否识别并评估了模型的潜在社会风险？（如对特定群体的影响）
25总体结论是否有支撑材料作为证据，而非空泛表态？
26报告撰写人与技术负责人是否具备相关资质说明？
语料合规类（8条）
以下8条检查训练数据的合规性，这是备案审核的核心关注点之一：
27语料来源是否均有合法授权证明？（商业采购合同、开放许可、开源协议等）
28涉及个人信息的数据是否完成了脱敏处理？脱敏标准是什么？
29语料中是否包含违法违规内容？（如未经授权的他人作品、虚假信息等）
30是否建立了语料溯源机制，能追溯到每类语料的原始来源？
31标注人员的资质和培训记录是否完整？（是否了解合规要求）
32标注规则是否清晰可执行，能确保不同标注员的一致性？
33是否建立了质量核验机制，对标注结果进行交叉验证？
34语料的更新和淘汰机制是否已有明确流程？
模型安全类（8条）
以下8条检查模型本身的安全能力，是备案技术审查的关键：
35模型在31类风险上的拒答率数据是否达标？（广东省要求每类≥90%）
36测试题集是否覆盖了诱导性提问、场景陷阱、多轮试探等复杂攻击手法？
37模型对政治敏感、暴力色情、违法犯罪等通用风险的防护是否有效？
38模型对行业专项风险的防护是否充分？（如医疗AI的误诊风险）
39模型更新（版本迭代）后是否重新进行了安全测试？
40模型在长时间连续对话中的内容一致性是否有保障？
41是否有模型输出的溯源机制，能追溯到违规内容的生成原因？
42模型在极端场景下的行为是否有评估？（如被大量恶意输入试探时的表现）
安全措施类（8条）
以下8条检查运营安全措施，是备案后持续合规的保障：
43是否建立了用户举报和投诉的处理机制？处理时限是多久？
44是否建立了日常巡检机制，定期检查模型输出的合规性？
45拦截关键词库是否有专人负责更新？更新周期是多久？
46是否建立了应急处置预案，在发现重大安全问题时能快速响应？
47个人信息保护措施是否达到等级保护要求？是否有相关测评报告？
48是否对运维人员、数据分析师等敏感岗位进行了合规培训？
49AI生成内容的标识机制是否已部署？用户是否能识别内容为AI生成？
50是否建立了定期合规自查机制，至少每季度一次？
使用建议
建议企业将以上50条清单分配到具体责任人，对照检查每一项是否达标。标记”未通过”的条目，逐一制定整改计划。