新闻详情

新闻详情

首页 / 资讯中心 / 详情

MUNIK秒尼科获得国际组织WDTA授权,开展人工智能安全、可信、负责任(AI STR)测评认证

发布时间:2026/11/18 9:25:46来源:尧图网络
MUNIK秒尼科获得国际组织WDTA授权,开展人工智能安全、可信、负责任(AI STR)测评认证
随着AI技术在消费电子、具身智能、工业自动化设备及机器人、汽车等工业领域的快速应用和扩展AI产品设备及Agent工具等的安全评估已提上日程。作为国际标准机构的WDTA为AI安全开发了全系列的标准及认可流程并基于此在金融、医疗、工业等领域已展开第三方评估工作。针对MUNIK秒尼科所精通的工业自动化及汽车工业等电子电气设备领域引入AI安全评估已变得刻不容缓。基于此双方一致认为MUNIK尽快基于WDTA标准建立AI评估认证体系将助力中国各工业领域的AI安全发展通过提供专业的第三方证明和支持帮助AI产品和设备及应用安全可靠降低使用错误基于国际标准去降低风险确保设计和运营安全。双方的深度合作将成为AI技术应用的重要支持基石。WDTA颁发授权AI STR认证授权证书自2024年在联合国未来峰会上启动“人工智能安全、可信和负责任”AI STR认证计划以来WDTA先后发布了多项具有里程碑意义的国际标准包括“生成式人工智能应用安全测试标准”“大语言模型安全测试方法”和“大模型供应链安全要求”由谷歌、微软、蚂蚁集团、英伟达、腾讯等数十家国际顶尖机构共同参与编制。2025年7月WDTA更在联合国日内瓦总部发布了全球首个《AI智能体运行安全测试标准》。与一般标准不同AI STR系列标准不仅关注风险识别与分级更提供从数据治理到模型落地的全流程管理方案配套具体测试工具和认证流程。WDTA AI STR首席技术合作官王安宇表示“今天向MUNIK秒尼科正式授予AI STR测评认证授权是WDTA‘人工智能安全、可信和负责任’AI STR全球认证计划在中国工业领域落地的重要一步。WDTA 与相关国际组织密切合作制定和发布了涵盖 AI、大语言模型LLM和智能体Agent的标准覆盖从数据治理到模型部署全生命周期的系统化框架。我们非常看重MUNIK秒尼科在汽车电子和工业自动化领域深厚的功能安全与网络安全评估积淀相信其能够将ISO 26262、ISO 21434等成熟标准体系与AI STR系列标准深度融合为工业级AI产品提供从芯片到系统层的全栈式安全验证。本次合作体现了各方在共同推动AI安全从‘事后合规’走向‘设计内嵌’的长期承诺。”MUNIK Global CEO Gerhard M Rieger表示MUNIK秒尼科作为独立第三方的专业安全评估依托于核心创始人员在国际前列知名机构的从业经验可以尽快把一项安全技术标准通过标准化的流程去作为独立第三方评估找出AI开发过程中的错误和不符合事项并对应设计整改最终达成产品运营的正确和安全MUNIK持续地利用自己的优势落地各种安全认证实现公司的第三方公正专业价值。双方以专业能力为根基以独立性专业评估推进AI产品安全能力的建设并推进行业AI安全实践和第三方证明通过符合AI安全标准为全球消费者提供专业AI产品及应用。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉