工具和做法

获取用于评估 AI 影响的 Microsoft 模板。

通过行业领先 Microsoft AI Red Team 的指导和最佳做法，了解如何保护组织的 AI。

获取视角和资源，帮助你将威胁建模整合到软件开发生命周期 (SDLC) 中。

了解开放式自动化框架如何帮助红队发现生成式 AI 系统中的风险。

利用此框架识别威胁、攻击和漏洞，并制定应对措施计划。

探索 Microsoft 的包容性设计方法，这种方法能够充分发挥各种各样的观点。

通过安装此开放源代码包，评估 AI 系统的公平性，然后缓解任何观察到的偏差。

借助此开源工具包，了解 ML 模型，包括玻璃箱模型和黑箱系统。

使用此负责任的 AI 工具包识别和诊断 ML 模型错误，提高模型准确性。

在 Microsoft Foundry 中使用人工评审和 AI 辅助指标评估生成式 AI 应用的质量和安全性。

使用 ML 技术和此 Python 包估算观察数据的因果影响或响应。

使用通用自动化层评估 ML 系统的安全性。

通过保护用于 AI 的数据，提高企业和消费者数据的隐私性和安全性。

通过全面的安全性，主动缓解风险并识别 AI 应用（从代码到云）的威胁。

使用此开源同态加密库直接对加密数据执行计算。

使用文本和图像的可自定义、上下文感知的去标识功能保护敏感数据。

借助 Azure AI 组合，负责任地构建企业规模的智能应用。

通过设置保护措施并创建策略来管理资源，实现组织范围内的云合规性。