等保大模型测评 Skill（Dengbao LLM Assessment）

面向大模型系统的网络安全等级保护测评方法体系。以 GB/T 22239-2019《网络安全等级保护基本要求》、GB/T 28448-2019《网络安全等级保护测评要求》为基线，按 2025版测评结论判定体系（公网安〔2025〕1001号 / 1846号 / 2391号，符合率 + 重大风险隐患）判定，融合 T/ISEAA 006-2024《大模型系统安全测评要求》（与 T/ISEAA 005-2024《大模型系统安全保护要求》配套）、大模型扩展要求、GA/T 2380/2394/2395-2026 等保数据安全专项标准、GB/T 45654-2025《生成式人工智能服务安全基本要求》、GB/T 45652-2025 训练数据安全规范、GB/T 45674-2025 数据标注安全规范、GB/T 45288 大模型系列、GB 45438-2025《人工智能生成合成内容标识方法》 与 《网络安全等级保护测评高风险判定实施指引（试行）》，提供可直接落地执行的测评方法、测评步骤、整改要求与管理制度文件。

本仓库为符合 Agent Skills 开放标准（Anthropic 发起、社区维护）的 Skill 包：一个 SKILL.md + references/ + assets/ 的可复用知识包，可被市面上主流 AI Agent / 编程助手按需加载，也可作为测评人员的手册直接阅读。你不需要重新训练模型——只需把它放进对应工具的 Skill 目录，AI 就能掌握等保大模型测评方法。

目录结构

大模型测评 skill/
├── SKILL.md                          # Skill 主入口（AI 加载此文件）
├── README.md                         # 本说明 + 使用教程（见下方「使用教程」）
├── 等保大模型测评方法总览.html        # 方法体系总览（浏览器直接打开）
├── references/                       # 测评知识库（按需加载）
│   ├── 01-测评方法与测评步骤.md       # 测评方法、五阶段操作步骤
│   ├── 02-技术类测评项清单.md         # 五大技术类控制点测评项全清单
│   ├── 03-管理类测评项清单.md         # 五大管理类控制点测评项全清单
│   ├── 04-大模型专项测评要点.md       # 语料/训练/模型/推理/内容/数据六域专项
│   ├── 05-整改要求与整改流程.md       # 整改分级、整改建议、验收复测
│   ├── 06-高风险判定指引.md           # 2025版结论判定（符合率+重大风险隐患）+ 高风险判例 + LLM-HR
│   ├── 07-大模型专项测试用例库.md     # 提示注入/越狱/内容安全等现成测试用例
│   ├── 08-T-ISEAA006-2024标准映射.md # 006 条款级映射（5~10 章逐条对应+反查表）
│   ├── 09-等保扩展要求与专项标准体系.md # GA/T 1390 分部分体系、数据安全专项四件套、标准选用矩阵
│   └── 10-AI安全标准清单.md          # AI 安全国标/行标/团标全清单、在研跟踪、场景速查
├── assets/
│   ├── 制度文件模板/                  # 等保大模型扩展要求配套 10 份管理制度模板
│   └── 模板/                         # 测评方案/记录表/报告/整改计划模板
└── 等保大模型测评方法总览.html

总览图

快速使用

测评人员：先看 references/09、references/10 确定本项目要叠加哪些标准 → 从 references/02、references/03 选取测评项 → 按 references/01 实施 → 对照 references/06 判高风险与重大风险隐患、算符合率 → 按 references/05 出整改要求 → 用 assets/模板/ 出报告 → 用 assets/制度文件模板/ 补齐制度。

AI 助手：先阅读下方「使用教程」选择接入方式（Hermes/OpenClaw/Codex/Claude Code/国内平台/纯文档），再作为 Skill 加载本目录，读取 SKILL.md 后按导航自动加载对应 reference 文件。

---

使用教程

本 Skill 兼容对象：Claude Code、Codex、OpenClaw、Hermes、Cursor、GitHub Copilot、Windsurf、Gemini CLI、Antigravity、Claude.ai、ChatGPT 等。国内平台（扣子 Coze、Dify、Kimi、阿里云百炼等）用「知识库导入」方式接入，见 C 类。

教程按 A / B / C / D 四类组织。

A 类 — 原生 SKILL.md 加载（主力方式）

这类工具原生支持 Agent Skills 标准，把仓库放进对应目录即可自动发现、按需加载。推荐方式。

A1. Hermes（本地主力 Agent）

git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.hermes/skills/
cp -r llm-dengbao-assessment ~/.hermes/skills/

装载后可直接用「等保大模型测评」「编制大模型测评方案」「设计提示注入测试用例」等指令触发。

A2. OpenClaw

# 从 GitHub 仓库安装（推荐）
openclaw skills install git:lingfengz/llm-dengbao-assessment
# 或安装到当前工作区（最高优先级）
openclaw skills install git:lingfengz/llm-dengbao-assessment --as llm-dengbao-assessment
# 或手动拷贝到全局目录
git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.openclaw/skills/
cp -r llm-dengbao-assessment ~/.openclaw/skills/

OpenClaw 加载优先级（高→低）：工作区 /skills → 项目 /.agents/skills → 个人 ~/.agents/skills → 本地 ~/.openclaw/skills → 内置。同名 Skill 以高优先级为准。

A3. Codex（OpenAI CLI）

git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.codex/skills/
cp -r llm-dengbao-assessment ~/.codex/skills/

（项目级放入 .codex/skills/，效果相同。）

或放入 ~/.agents/skills/（兼容通用约定）。Codex 采用渐进式加载：启动只读 name/description，任务匹配后读完整 SKILL.md。可用 $llm-dengbao-assessment 显式调用或自动匹配触发。

A4. Claude Code

git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p .claude/skills/
cp -r llm-dengbao-assessment .claude/skills/
# 或在 Claude Code 对话框中：/skills add llm-dengbao-assessment

A5. Claude.ai / ChatGPT（无桌面安装，直接粘贴）

把 SKILL.md 的原始内容直接粘贴进新对话，或粘贴 GitHub 上的 SKILL.md raw URL。AI 会读取说明并按需理解整个方法体系。

A6. 通用约定 /.agents/skills/（跨工具兼容）

越来越多工具（Cursor、Copilot、Windsurf、Codex、OpenClaw 等）会扫描：

项目级：/.agents/skills/llm-dengbao-assessment/
用户级：~/.agents/skills/llm-dengbao-assessment/

需要跨多个工具复用时，拷贝到这两处即可同时被它们发现。

B 类 — AGENTS.md / 项目指令型（作为规则引用）

这类工具（Codex、Cursor、GitHub Copilot 项目规则）主要通过 AGENTS.md / .cursor/rules / .github/copilot-instructions.md 常驻注入规则。适合把本 Skill 作为"项目专属守则"引用，而非按需 Skill。次要方式——引用要点，而非全量。

在项目根目录放 AGENTS.md：

# 项目规范
当涉及"大模型系统等保测评"任务时，遵循本仓库 `llm-dengbao-assessment/` 的方法体系：
1. 先读 `SKILL.md` 确定测评范围与流程
2. 按需加载 `references/02`、`references/03` 选测评项
3. 专项测试用 `references/07` 的现成用例
4. 高风险对照 `references/06` 判定
5. 报告与制度用 `assets/模板/` 模板

• Codex：全局 ~/.codex/AGENTS.md，项目根 AGENTS.md（项目覆盖全局）
• Cursor：.cursor/rules/ 或项目规则设置
• GitHub Copilot：.github/copilot-instructions.md

⚠️ AGENTS.md 是常驻全量加载，占用上下文；Skill 是按需加载。低频、面广的方法应优先用 Skill（A 类），不要把大段方法塞进 AGENTS.md。

C 类 — 国内 Agent 平台（扣子 Coze / Dify / Kimi / 百炼 等）

国内主流平台大多不直接读取 SKILL.md 文件，而是通过「知识库（KB）导入 + 系统 Prompt / 工作流」接入。思路：把 references + assets 转成平台知识库文档，再把 SKILL.md 的关键流程写进系统 Prompt。

通用接入流程（适用于 Coze / Dify / 百炼 / Kimi / MaxKB / FastGPT 等）

1. 导入知识库：把 references/ 下 8 个 .md 文件 + assets/模板/ 下 4 个模板，作为知识库文档上传到平台的「知识库」模块（支持 Markdown 文本导入即最佳）。中文文件名建议改成无空格文件名（如 01-测评方法与测评步骤.md）。

2. 写系统 Prompt（把 SKILL.md 的方法流程凝练进人设/指令）：

   你是等保大模型测评专家。测评时遵循：
   1) 五阶段流程：准备→方案→现场测评→结果分析→报告编制
   2) 四类方法：访谈/核查/测试/大模型专项测试
   3) 判定规则：单项(符合/基本符合/不符合/不适用)、整体、高风险降级
   4) 测评项取自知识库文档"02/03技术管理类清单"，专项测试用"07用例库"
   5) 高风险对照"06判定指引"，整改用"05"，报告用"04"及模板
   先说明将采用哪些测评项和方法，再输出。
   

3. （可选）建工作流：用平台可视化工作流把「上传测评范围 → 选测评项 → 生成方案 → 输出报告框架」串成固定节点。

各平台差异：Coze(扣子)、Dify、阿里云百炼、Kimi 开放平台、腾讯元器等均以「知识库 + 插件 + 工作流」为核心，接入方式大同小异；具体入口以平台右侧面板为准。

已兼容 Agent Skills 的国内/开源工具

部分国内或国内团队开源工具已支持 Agent Skills，可直接按 A 类加载：

• ZCode（智谱）：支持技能软链 ~/.zcode/skills/
• 支持 .agents/skills/ 约定的开源 Agent 均可直接复用 A 类第 6 步

D 类 — 通用最小流程（不装任何工具 / 纯文档）

没有 Agent 环境或想快速上手做测评时，把本仓库当人工手册直接阅读：

1. 读 README.md 了解方法体系与标准依据
2. 读 SKILL.md 确定测评对象与流程
3. 打开浏览器看 等保大模型测评方法总览.html 或 flowchart.png 全局走一遍
4. 选测评项：references/02（技术类）+ references/03（管理类）
5. 按 references/01 实施测评，专项测试用 references/07 用例库
6. 判高风险：references/06
7. 出整改：references/05
8. 出报告：assets/模板/（方案/记录表/报告框架/整改计划）
9. 补制度：assets/制度文件模板/（替换单位名即可）

快速对照表

触发示例（装好后怎么说）

• 「帮我编制一份大模型推理服务的等保测评方案」
• 「按等保要求对这份 RAG 应用做测评项选取并说明方法」
• 「设计 5 条提示注入测试用例」
• 「这份大模型系统哪些项属于高风险？依据是什么？」
• 「给我一套大模型内容安全管理制度模板」

---

依据的标准与文件

状态时点：2026-09-18。完整清单见 references/09（等保扩展要求与专项标准）与 references/10（AI 安全标准清单）。

等保基础与判定体系

AI 安全标准（大模型专项）

2026-08-27 第 37 号国家标准公告一次性发布 60 项指导性技术文件（AI 相关 42 条），本表及 references/10 已全量收录。

完整清单（含行标、团标、在研跟踪、场景→标准速查）见 references/10-AI安全标准清单.md。

说明

• 测评项编号沿用等保通用框架（如"安全计算环境-身份鉴别 a)…"），大模型扩展项以「LLM-」前缀标识，便于与通用项区分。
• 2025 年起等保测评结论判定体系已变更：取消百分制，改为「符合率 + 重大风险隐患」两变量判定（符合 / 基本符合 / 不符合）。详见 references/06。
• 大模型扩展要求目前仍处于征求意见稿阶段（截至 2026-09 未发布正式稿，公安部 GA/T 1390 分部分标准未含大模型部分）。正式发布后请以正式文本核对控制点编号与措辞。
• 等保扩展要求体系（GA/T 1390 分部分、数据安全专项四件套）见 references/09；AI 安全标准清单与在研跟踪见 references/10。
• 本仓库内容仅供测评工作参考，不构成法律意见；具体测评以委托合同与监管要求为准。

版本记录

v1.2.0（2026-09-18）— AI 标准全量补齐

• 核心修复：补录 2026-08-27 第 37 号国家标准公告发布的 60 项指导性技术文件中的 42 条 AI 相关标准（v1.1.0 一条未收录）。此前遗漏原因是按标准库逐条检索，未按「国家标准批准发布公告」成批核对。
• references/10 全量重写：新增章节「人工智能终端与具身智能」（GB/Z 177 系列、GB/Z 218.1/220、类脑计算 GB/Z 216/255/262）；模型章节补入 GB/Z 252（大模型一体机）、253 + 236（RAG 要求与评价）、254（云端推理部署工具链）、242（智能体技术要求）、243（端侧推理引擎）、237（可信赖数据集）、246（算力平台）、221/222/226（MaaS 三件套）、45288.7（语音大模型）、235；平台章节补入 247/223/229；行业章节由 9 类扩充至 19 类。
• 新增 GB/T 45577-2025（数据安全风险评估方法）——与等保数据安全专项可互相采信，是数据安全整改的直接抓手。
• TC260 补齐：TC260-005《人工智能应用伦理安全指引 1.0》（原仅收录 TC260-004）；补充实践指南 2026-08-24 批次与 WG9 动态。
• references/09 选用矩阵重写：新增「RAG 应用」「Agent 应用」「具身智能系统」三行并拆分原「RAG / Agent 应用」；为新标准补入对应行。
• references/06 跟踪项刷新：《人工智能应用安全分类分级方法》征求意见已于 2026-09-13 截止；新增已生效新标准行。
• 修正存疑标注：GB/T 36959-2026 原标「2026-12-01 即将实施」缺少权威源支撑——国标委检索仅确认 GB/T 36959-2018 现行，2025-07 见征求意见稿报道，已改为存疑，须逐项核实。
• 新增核验方法说明：AI 标准以批次公告集中发布，按公告号检索比逐条查标准库更可靠（国标委搜索框对"人工智能"等宽泛词不返回结果）；GB/Z 发布即生效，无实施过渡期。
• 标准状态核实来源：国标委国家标准全文公开系统、国家标准批准发布公告 2026 年第 22/36/37/38/39 号、TC260 官网、公安部标准化信息服务平台。

v1.1.0（2026-09）

• 重写 references/06：改用 2025版测评结论判定体系（符合率 + 重大风险隐患），修正指引全名，补充 2025版相对 2020版的判例增删，LLM-HR 高风险项由 10 项扩充至 15 项。
• 新增 references/09-等保扩展要求与专项标准体系.md：GA/T 1390 分部分体系、GA/T 2347/2348、数据安全专项四件套、标准选用矩阵。
• 新增 references/10-AI安全标准清单.md：AI 安全国标/行标/团标全清单、在研与征求意见跟踪、TC260 实践指南、场景→标准速查表。
• 更新 references/01：阶段 4 结果分析改用符合率与重大风险隐患判定流程。
• 更新 SKILL.md / README.md：判定规则、description、目录导航、标准依据表同步。
• 标准状态核实来源：公安部标准化信息服务平台、国标委国家标准全文公开系统、TC260 官网。

License

MIT © 2026 lingfeng (lingfengz)