NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did NetEase Yidun, NetEase’s enterprise-services content and risk-control security unit, unveil on November 3 at the 2026 World Interne. Article summary: NetEase’s enterprise-services business unveiled an AI-native security product system built on Yidun’s “bidirectional AI security architecture” on November 3, 2026, at the World Internet Conference’s Light of Internet Exp. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
NetEase Zh iqi presenterte 3. november 2026 et KI-sikkerhetssystem basert på Yiduns «toveis arkitektur for KI-sikkerhet» på Verdens internettkonferanses «Light of Internet»-messe i Wuzhen i Kina. Hovedideen er å utvide sikkerheten fra det KI sier, til det KI gjør. Ifølge IT Home mottok lanseringen et «First-release Achievement Certificate» fra messens lanseringshall. 1
2
Rammeverket ble presentert av Zhu Haoqi, nestleder i NetEase Zh iqi og ansvarlig for Yidun-virksomheten. Det bygger på to prinsipper: KI for sikkerhet og sikkerhet for KI. Det første handler om å bruke KI i sikkerhetsarbeid. Det andre handler om å sette grenser for hvordan KI-systemer kan brukes. 3
6
Bakgrunnen er at KI tas i bruk i blant annet markedsføring, kundeservice, utvikling, identitetskontroll og transaksjoner. Risikoene handler dermed ikke bare om innhold som genereres, men også om deepfakes, automatisert svindel, forsøk på å omgå modellens sikkerhetsregler, lekkasje av sensitive data og agenter som handler uten nødvendig fullmakt. 5
Yidun sier at kontrollene omfatter modellens input og output, identitetskontroller, datatilgang, agenters verktøykall og selve utførelsen av oppgaver. Tiltakene skal blant annet omfatte innholdskontroll, gjenkjenning av hensikt, tilgangsstyring, risikostans og revisjonsspor. 2
3
Systemet er delt inn i tre områder: KI-innhold og datasikkerhet, KI-interaksjon og identitetssikkerhet og KI-modell- og agentsikkerhet. De tre lanserte løsningene er CMA, en agent for innholdskontroll; DeepGuard, en løsning for å avdekke ansiktsforfalskning; og sikkerhet for KI-applikasjoner og agenter. 1
6
8
For agentstyring beskriver NetEase sikkerhetsbarrierer rundt modellens input og output. Agent Guard skal kontrollere om agentens handlinger samsvarer med hensikten, om den har nødvendige tillatelser, og om verktøykall innebærer risiko. Systemet skal også kunne stanse handlinger. NetEase beskriver dessuten en sikkerhetsplattform som kan kartlegge KI-ressurser, undersøke forsyningskjeder for Skill og MCP og hindre lekkasje av sensitive data. 4 En annen omtale trekker fram såkalt «skygge-KI» som et av områdene plattformen skal bidra til å styre.
12
CMA kombinerer en egenutviklet stor språkmodell for innholdssikkerhet med mindre, spesialiserte modeller. NetEase sier at flere agenter kan håndtere ulike vurderingsregler, kjøre døgnet rundt og skaleres etter behov. Arbeidsflyten beskrives som en løkke med vurdering, fordeling, håndtering, tilbakemelding og forbedring. 7
9
I én kundes arbeidsflyt for klagesaker var volumet ifølge NetEase på mer enn 2,5 millioner saker i måneden. Da CMA sto for førstegangsbehandlingen og mennesker kontrollerte resultatene, falt den gjennomsnittlige behandlingstiden fra 35,7 til 12,3 minutter. Selskapet oppga en nøyaktighet på 99,2 prosent. Tallene gjelder en konkret arbeidsflyt og er rapportert av selskapet selv, ikke uavhengige referansemålinger. 1
9
NetEase beskriver DeepGuard som en løsning som bruker visuell forståelse til å lete etter innhold som ikke virker troverdig, i stedet for bare å søke etter kjente tegn på forfalskning. Ifølge selskapet kombinerer løsningen deepfake-deteksjon, gjenkjenning av KI-vannmerker, passiv liveness-kontroll og deteksjon av manipulerte opptaksmiljøer. 2
3
Selskapet sier at løsningen for ansiktskontroll fikk karakteren «Excellent» i en «Trusted AI»-vurdering fra Kinas akademi for informasjons- og kommunikasjonsteknologi. IT Home rapporterte også 99 prosent gjenfinning i en fasevis test av angrep med skjermopptak og angrep der en skjerm holdes tett inntil kameraet. Omtalene gir ikke nok informasjon om testoppsettet til at tallet kan vurderes som en generell garanti for ytelse i praksis. 1
2
Lanseringen peker mot en bredere sikkerhetsgrense: Det handler ikke lenger bare om å filtrere KI-generert innhold, men også om å kontrollere tilgang, tillatelser og handlinger når agenter bruker verktøy og forretningssystemer. NetEase har presentert tre sikkerhetslag og tre lanserte løsninger, i tillegg til egne resultater fra innholdskontroll og ansiktsforfalskning. 2
3
6
Den tilgjengelige omtalen dokumenterer ikke uavhengige resultater på tvers av ulike utrullinger. Tallene for CMA og DeepGuard bør derfor leses som resultater selskapet oppgir for bestemte arbeidsflyter eller tester – ikke som universelle garantier.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar.
NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar. Yiduns rammeverk kombinerer KI brukt til sikkerhetsarbeid med sikkerhetskontroller for modellinput og output, identitet, datatilgang og agenters verktøybruk.
I én kundesak oppgir NetEase at CMA reduserte gjennomsnittlig førstegangsbehandling av klager fra 35,7 til 12,3 minutter, med menneskelig etterkontroll og en rapportert nøyaktighet på 99,2 prosent.
NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did NetEase Yidun, NetEase’s enterprise-services content and risk-control security unit, unveil on November 3 at the 2026 World Interne. Article summary: NetEase’s enterprise-services business unveiled an AI-native security product system built on Yidun’s “bidirectional AI security architecture” on November 3, 2026, at the World Internet Conference’s Light of Internet Exp. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
NetEase Zh iqi presenterte 3. november 2026 et KI-sikkerhetssystem basert på Yiduns «toveis arkitektur for KI-sikkerhet» på Verdens internettkonferanses «Light of Internet»-messe i Wuzhen i Kina. Hovedideen er å utvide sikkerheten fra det KI sier, til det KI gjør. Ifølge IT Home mottok lanseringen et «First-release Achievement Certificate» fra messens lanseringshall. 1
2
Rammeverket ble presentert av Zhu Haoqi, nestleder i NetEase Zh iqi og ansvarlig for Yidun-virksomheten. Det bygger på to prinsipper: KI for sikkerhet og sikkerhet for KI. Det første handler om å bruke KI i sikkerhetsarbeid. Det andre handler om å sette grenser for hvordan KI-systemer kan brukes. 3
6
Bakgrunnen er at KI tas i bruk i blant annet markedsføring, kundeservice, utvikling, identitetskontroll og transaksjoner. Risikoene handler dermed ikke bare om innhold som genereres, men også om deepfakes, automatisert svindel, forsøk på å omgå modellens sikkerhetsregler, lekkasje av sensitive data og agenter som handler uten nødvendig fullmakt. 5
Yidun sier at kontrollene omfatter modellens input og output, identitetskontroller, datatilgang, agenters verktøykall og selve utførelsen av oppgaver. Tiltakene skal blant annet omfatte innholdskontroll, gjenkjenning av hensikt, tilgangsstyring, risikostans og revisjonsspor. 2
3
Systemet er delt inn i tre områder: KI-innhold og datasikkerhet, KI-interaksjon og identitetssikkerhet og KI-modell- og agentsikkerhet. De tre lanserte løsningene er CMA, en agent for innholdskontroll; DeepGuard, en løsning for å avdekke ansiktsforfalskning; og sikkerhet for KI-applikasjoner og agenter. 1
6
8
For agentstyring beskriver NetEase sikkerhetsbarrierer rundt modellens input og output. Agent Guard skal kontrollere om agentens handlinger samsvarer med hensikten, om den har nødvendige tillatelser, og om verktøykall innebærer risiko. Systemet skal også kunne stanse handlinger. NetEase beskriver dessuten en sikkerhetsplattform som kan kartlegge KI-ressurser, undersøke forsyningskjeder for Skill og MCP og hindre lekkasje av sensitive data. 4 En annen omtale trekker fram såkalt «skygge-KI» som et av områdene plattformen skal bidra til å styre.
12
CMA kombinerer en egenutviklet stor språkmodell for innholdssikkerhet med mindre, spesialiserte modeller. NetEase sier at flere agenter kan håndtere ulike vurderingsregler, kjøre døgnet rundt og skaleres etter behov. Arbeidsflyten beskrives som en løkke med vurdering, fordeling, håndtering, tilbakemelding og forbedring. 7
9
I én kundes arbeidsflyt for klagesaker var volumet ifølge NetEase på mer enn 2,5 millioner saker i måneden. Da CMA sto for førstegangsbehandlingen og mennesker kontrollerte resultatene, falt den gjennomsnittlige behandlingstiden fra 35,7 til 12,3 minutter. Selskapet oppga en nøyaktighet på 99,2 prosent. Tallene gjelder en konkret arbeidsflyt og er rapportert av selskapet selv, ikke uavhengige referansemålinger. 1
9
NetEase beskriver DeepGuard som en løsning som bruker visuell forståelse til å lete etter innhold som ikke virker troverdig, i stedet for bare å søke etter kjente tegn på forfalskning. Ifølge selskapet kombinerer løsningen deepfake-deteksjon, gjenkjenning av KI-vannmerker, passiv liveness-kontroll og deteksjon av manipulerte opptaksmiljøer. 2
3
Selskapet sier at løsningen for ansiktskontroll fikk karakteren «Excellent» i en «Trusted AI»-vurdering fra Kinas akademi for informasjons- og kommunikasjonsteknologi. IT Home rapporterte også 99 prosent gjenfinning i en fasevis test av angrep med skjermopptak og angrep der en skjerm holdes tett inntil kameraet. Omtalene gir ikke nok informasjon om testoppsettet til at tallet kan vurderes som en generell garanti for ytelse i praksis. 1
2
Lanseringen peker mot en bredere sikkerhetsgrense: Det handler ikke lenger bare om å filtrere KI-generert innhold, men også om å kontrollere tilgang, tillatelser og handlinger når agenter bruker verktøy og forretningssystemer. NetEase har presentert tre sikkerhetslag og tre lanserte løsninger, i tillegg til egne resultater fra innholdskontroll og ansiktsforfalskning. 2
3
6
Den tilgjengelige omtalen dokumenterer ikke uavhengige resultater på tvers av ulike utrullinger. Tallene for CMA og DeepGuard bør derfor leses som resultater selskapet oppgir for bestemte arbeidsflyter eller tester – ikke som universelle garantier.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar.
NetEase Zh iqi presenterte et KI sikkerhetssystem i Wuzhen 3. november 2026, med mål om å kontrollere agenters handlinger i tillegg til modellens svar. Yiduns rammeverk kombinerer KI brukt til sikkerhetsarbeid med sikkerhetskontroller for modellinput og output, identitet, datatilgang og agenters verktøybruk.
I én kundesak oppgir NetEase at CMA reduserte gjennomsnittlig førstegangsbehandling av klager fra 35,7 til 12,3 minutter, med menneskelig etterkontroll og en rapportert nøyaktighet på 99,2 prosent.