Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
도구/GitHubGitHub/nvidia-nemo/guardrails
Defensive ToolsVulnerability AnalysisPrivacyMachine LearningAI SecurityAnomaly DetectionAI Security #10위
GitHubnvidia-nemo/guardrails

Guardrails

LLM 채팅 앱을 위한 프로그래밍 가능한 가드레일: 입력/출력 레일을 적용하고, 탈옥(jailbreak)과 프롬프트 인젝션을 차단하며, 환각을 감지하고, 민감한 데이터를 마스킹합니다.

7.5k9071723일 전Kitploit 검토 완료
공유
저장소 보기웹사이트
# NVIDIA NeMo Guardrails 라이브러리

[![License](https://img.shields.io/badge/License-Apache_2.0-blue.svg)](https://opensource.org/licenses/Apache-2.0)
[![PyPI](https://img.shields.io/pypi/v/nemoguardrails)](https://pypi.org/project/nemoguardrails)
[![Python](https://img.shields.io/pypi/pyversions/nemoguardrails)](https://pypi.org/project/nemoguardrails)
[![Tests/Linux](https://img.shields.io/github/actions/workflow/status/NVIDIA-NeMo/Guardrails/pr-tests.yml?logo=github&label=Tests/Linux)](https://github.com/NVIDIA-NeMo/Guardrails/actions/workflows/pr-tests.yml)
[![Tests/Windows](https://img.shields.io/github/actions/workflow/status/NVIDIA-NeMo/Guardrails/full-tests.yml?logo=github&label=Tests/Windows)](https://github.com/NVIDIA-NeMo/Guardrails/actions/workflows/full-tests.yml)
[![Tests/macOS](https://img.shields.io/github/actions/workflow/status/NVIDIA-NeMo/Guardrails/full-tests.yml?logo=github&label=Tests/macOS)](https://github.com/NVIDIA-NeMo/Guardrails/actions/workflows/full-tests.yml)
[![Lint](https://img.shields.io/github/actions/workflow/status/NVIDIA-NeMo/Guardrails/lint.yml?logo=github&label=Lint)](https://github.com/NVIDIA-NeMo/Guardrails/actions/workflows/lint.yml)
[![Documentation](https://img.shields.io/badge/docs-nvidia.com-76B900)](https://docs.nvidia.com/nemo/guardrails)
[![Total downloads](https://static.pepy.tech/badge/nemoguardrails)](https://pepy.tech/project/nemoguardrails)
[![Monthly downloads](https://static.pepy.tech/badge/nemoguardrails/month)](https://pepy.tech/project/nemoguardrails)

[문서](https://docs.nvidia.com/nemo/guardrails/latest/about-nemo-guardrails-library/overview) · [빠른 시작](#quickstart) · [사용 사례](#what-you-can-build) · [통합](#choose-your-integration) · [가드레일 카탈로그](#guardrail-catalog) · [예제](https://github.com/nvidia-nemo/guardrails/blob/develop/examples) · [커뮤니티](#community-usage) · [보안](https://github.com/nvidia-nemo/guardrails/blob/develop/SECURITY.md) · [릴리스](https://github.com/NVIDIA-NeMo/Guardrails/releases) · [변경 로그](https://github.com/nvidia-nemo/guardrails/blob/develop/CHANGELOG.md)

NeMo Guardrails는 LLM 및 에이전트 기반 애플리케이션에 프로그래밍 가능한 안전 및 보안 제어를 적용하기 위한 오픈소스 라이브러리입니다. 에이전트는 명령을 실행하고, API를 호출하며, 데이터를 조회하고, 웹을 읽습니다. 대화형 애플리케이션은 입력 및 출력 검사를 적용하며, 검색 증강 생성(RAG) 시스템은 검색된 콘텐츠를 필터링하고 답변이 근거와 일치하는지 확인합니다.

NeMo Guardrails 라이브러리를 사용하면 정책에서 각 에이전트가 수행할 수 있는 작업을 선언할 수 있으며, 저지연 로컬 규칙과 탈옥(jailbreak), 주입된 지시, 안전하지 않은 도구 호출에 대한 모델 기반 검사를 결합합니다. 애플리케이션 또는 에이전트 하네스는 이러한 검사를 실행하고 그 결과를 사용하여 계속 진행할지 여부를 결정합니다.

```bash
pip install nemoguardrails
```

Python 3.11–3.13이 필요합니다. 선택적 패키지와 설정에 대해서는 [설치 가이드](https://docs.nvidia.com/nemo/guardrails/latest/get-started/installation-guide)를 참조하십시오.

> [!NOTE]
> 버전 0.25.0에서는 `LLMRails`가 더 이상 사용되지 않으며(deprecated), 제거는 0.27.0 이전에는 계획되어 있지 않습니다. 새로운 통합에는 `Guardrails`를 사용하고 [마이그레이션 가이드](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/migration/0.25.mdx)를 따르십시오.

## 구축할 수 있는 것

- **AI 에이전트 및 코딩 어시스턴트:** [tool rails](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/tool-calling.mdx)로 제안된 도구 호출과 반환된 결과를 검사하거나, [hooks 서버](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-hooks-server/index.mdx)를 통해 에이전트를 연결하십시오.
- **대화형 애플리케이션:** [입력 및 출력 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-python-apis/check-messages.mdx)를 적용하십시오.
- **검색 증강 생성(RAG):** [검색된 콘텐츠에서 민감한 데이터를 탐지하거나 마스킹](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/pii-detection.mdx)하고 [답변이 근거에 기반하는지 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/fact-checking.mdx)하십시오.

## 작동 방식

NVIDIA NeMo Guardrails 라이브러리를 사용하여 사용할 rails, 모델, 프롬프트를 지정하는 구성 파일에 정책을 정의하십시오.
라이브러리를 Python 애플리케이션에서 실행하거나 서버로 배포하십시오.
애플리케이션이 모델 요청을 관리하는 방식에 따라 검사 모드(check mode) 또는 프록시 모드(proxy mode)를 선택하십시오.

### 검사 모드

애플리케이션 또는 에이전트 하네스가 LLM을 호출하고 도구를 직접 실행합니다.
정책 결정이 필요한 각 지점에서 관련 프롬프트, 모델 응답, 도구 호출 또는 도구 결과를 검사를 위해 라이브러리로 전송하십시오.
도구를 실행하거나, 응답을 반환하거나, 도구 결과를 모델에 전달하기 전에 차단되거나 수정된 콘텐츠를 처리하기 위해 결과를 사용하십시오.

Python에서는 [`check_async()`](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-python-apis/check-messages.mdx)를, Guardrails 서버에서는 `POST /v1/checks`를, 코딩 에이전트의 경우 [hooks 서버](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-hooks-server/index.mdx)를 사용하십시오.
`check_async()`로 도구 검사를 수행하려면 IORails 엔진을 사용하고 `rail_types`에 `RailType.TOOL_CALL` 또는 `RailType.TOOL_RESULT`를 지정하십시오.
도구 호출은 실행 전에, 도구 결과는 실행 후에 검사하십시오.

![검사 모드: 애플리케이션이 LLM과 도구를 직접 호출하고 Python SDK, Guardrails 서버 또는 hooks 서버를 통해 검사를 요청합니다. 구성된 rails는 결과를 반환하고 가드레일 모델을 호출할 수 있습니다.](https://assets.kitploit.com/production/public/readmes/51007/930208d65eee937627d70a3c83041f34ce9f800e4857485b1332d56f4105acfc/a3e3e42c987eb36adfbb040522f33481312b5a5161623d33cf76e55549c598fb-display-v1.webp)

### 프록시 모드

구성된 입력 및 출력 rails를 적용하기 위해 모델 요청을 라이브러리를 통해 라우팅하십시오.
입력 rails는 요청이 애플리케이션 LLM에 도달하기 전에 차단할 수 있습니다.
비스트리밍 요청의 경우, 출력 rails는 라이브러리가 응답을 반환하기 전에 응답을 검사합니다.
차단된 콘텐츠는 통합 및 구성에 따라 거부 응답 또는 오류를 생성합니다.

Python에서는 `generate_async()` 또는 `stream_async()`를, Guardrails 서버에서는 `POST /v1/chat/completions`를 사용하십시오.
애플리케이션이 도구를 실행하며, 지원되는 통합은 모델 응답의 도구 호출과 후속 요청의 도구 결과를 검사할 수 있습니다.
[게이트웨이 서버](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-proxy/providers-and-streaming.mdx)도 `POST /v1/chat/completions`와 `POST /v1/responses`를 지원하지만, 내장 프로필은 도구 콘텐츠를 지원하지 않습니다.
각 게이트웨이 `/v1/responses` 요청에는 `"store": false`가 포함되어야 합니다.

`stream_async()`에 대해 출력 스트리밍이 활성화된 경우, 기본 `stream_first: true` 설정은 청크를 검사하기 전에 전달합니다.
전달 전에 각 청크를 검사하려면 `rails.output.streaming.stream_first: false`로 설정하십시오.
구성 세부 사항은 [출력 rail 스트리밍](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/yaml-schema/streaming/output-rail-streaming.mdx)을 참조하십시오.

![프록시 모드: 애플리케이션이 모델 요청을 라이브러리를 통해 라우팅하고, 라이브러리는 구성된 rails를 적용한 뒤 허용된 요청을 LLM으로 전달합니다. Rails는 가드레일 모델을 호출할 수 있습니다. 애플리케이션이 도구를 실행합니다.](https://assets.kitploit.com/production/public/readmes/51007/4df602fa883fa7494eefd13718204a3326533f69998981378043a0d28734ffd4/b6e4a106b0c955c1711e3015187b73bfae373323cdff50e5d5bc34d55bcd8457-display-v1.webp)

지연 시간은 구성된 규칙, 모델, 서비스에 따라 달라집니다.
Rail 지원은 엔진과 통합에 따라 다릅니다.
[rail 엔진 지원](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/reference/rail-engine-support.mdx), [구성](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/configuration-reference.mdx), [통합 선택](#choose-your-integration)을 참조하세요.

## NeMo Guardrails를 사용하는 이유

- **에이전트가 하는 일을 통제합니다.** 실행 전에 도구 이름과 인수 스키마를 검증합니다. 도구 결과를 확인하고 모델에 반환하기 전에 도구별 정책을 적용합니다.
- **모델과 에이전트 루프를 그대로 유지합니다.** [메인 모델 생성 없이 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-python-apis/check-messages.mdx)를 사용하여 기존 애플리케이션에 가드레일을 추가합니다. 모델 기반 검사는 여전히 구성된 모델이나 서비스를 호출합니다.
- **필요한 정책을 구성합니다.** 로컬 [regex](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/community/regex.mdx) 및 [CEL](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/cel.mdx) 규칙을 안전 모델 및 타사 검사와 결합합니다.
- **런타임을 연결합니다.** 애플리케이션, 공유 서비스 또는 코딩 에이전트에 맞는 [통합](#choose-your-integration)을 선택합니다.
- **개방적이며 직접 실행할 수 있습니다.** 이 라이브러리는 Apache 2.0 라이선스로 제공됩니다. [지원되는 모델 제공자](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/about/supported-llms.mdx)를 선택하고 로컬 탐지기 또는 호스팅 추론 엔드포인트로 검사를 실행합니다.

## 빠른 시작

모델이나 API 키 없이 지원 에이전트가 제안한 환불을 $500 한도와 비교하여 확인합니다.
이 예제를 위해 선택적 CEL 추가 기능을 설치합니다:

```bash
pip install "nemoguardrails[cel]"
```

이 예제는 도구의 인자 스키마를 검증하고 한도를 초과하는 호출을 차단합니다. 이를 확장하여 `check_refund.py`로 저장하세요:

<details>
<summary>전체 Python 예제</summary>

```python
import asyncio
import json

from nemoguardrails import Guardrails, RailsConfig
from nemoguardrails.rails.llm.options import RailStatus, RailType

config = RailsConfig.from_content(yaml_content="""
models: []
rails:
  tool_call:
    flows: [tool call validation]
    per_tool:
      issue_refund: [cel check tool call]
  config:
    cel:
      tool_call:
        issue_refund:
          expressions: ["args.amount > 500"]
""")

TOOLS = [{
    "type": "function",
    "function": {
        "name": "issue_refund",
        "parameters": {
            "type": "object",
            "properties": {"amount": {"type": "number", "minimum": 0}},
            "required": ["amount"],
            "additionalProperties": False,
        },
    },
}]


async def main():
    async with Guardrails(config, require_iorails=True) as rails:
        for amount in (50, 5000):
            call = {
                "role": "assistant",
                "tool_calls": [{
                    "id": "call_1",
                    "type": "function",
                    "function": {
                        "name": "issue_refund",
                        "arguments": json.dumps({"amount": amount}),
                    },
                }],
            }
            result = await rails.check_async(
                [call], rail_types=[RailType.TOOL_CALL], tools=TOOLS
            )
            print(f"${amount}: {result.status.value}")
            if result.status == RailStatus.PASSED:
                print("Ready for the application to execute")
            else:
                print(f"Rail: {result.rail}")
                print(f"Reason: {result.reason}")


asyncio.run(main())
```

</details>

파일을 저장한 디렉터리에서 실행하세요:

```bash
python check_refund.py
```

Expected output:

```text
$50: passed
Ready for the application to execute
$5000: blocked
Rail: cel check tool call
Reason: cel check tool call
```

예제는 환불을 발행하지 않습니다. 애플리케이션은 검사가 통과된 후에만 도구를 실행합니다.
더 많은 구성 및 오류 처리 예제는 [도구 호출](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/tool-calling.mdx) 및 [메시지 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-python-apis/check-messages.mdx)를 참조하세요.

## 통합 방식 선택

애플리케이션 또는 에이전트가 검사를 시행할 수 있는 위치에 NeMo Guardrails를 연결하세요.

| 무엇을 구축하고 있나요? | 연결 방법 |
| --- | --- |
| 여러 애플리케이션 또는 팀을 위한 **공유 가드레일 서비스** | [Checks API](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-fastapi-server/overview.mdx)(`/v1/checks`)를 사용하여 판정을 요청하고, 각 애플리케이션은 자체 모델과 실행 루프를 관리합니다. |
| 기존 모델 API를 위한 **가드레일 계층** | [게이트웨이 서버](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-gateway/quickstart.mdx)를 사용하여 공급자 형식을 유지하면서 지원되는 요청과 응답을 검사합니다. |
| **코딩 어시스턴트 또는 에이전트 하네스** | [네이티브 훅](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-hooks-server/run-hooks-server.mdx) 또는 [NeMo Relay](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-hooks-server/nemo-relay-plugin.mdx)를 사용하여 실행 전에 도구 호출을 검사합니다. |
| **에이전트 플랫폼, 프레임워크 통합 또는 사용자 정의 루프** | [Python SDK](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-python-apis/check-messages.mdx)를 임베드하거나, [Checks API](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/run-rails/using-fastapi-server/overview.mdx)를 호출하거나, 지원되는 [프레임워크 통합](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/integration/langchain/langgraph-integration.mdx)을 사용합니다. |

## 가드레일 카탈로그

정책과 워크플로에 맞는 검사를 선택하세요:

| 검사 | 목적 |
| --- | --- |
| [콘텐츠 안전](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/content-safety.mdx) | 입력과 출력을 안전 정책에 따라 검사합니다. |
| [주제 제어](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/topic-control.mdx) | 입력을 구성된 주제 지침에 따라 검사합니다. |
| [탈옥 탐지](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/jailbreak-protection.mdx) | 구성된 휴리스틱 또는 분류기를 사용하여 탈옥 시도를 탐지합니다. |
| [인젝션 탐지](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/agentic-security.mdx) | 모델 출력에서 코드, SQL, 템플릿 및 크로스 사이트 스크립팅 패턴을 검사합니다. |
| [민감 데이터 및 PII](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/pii-detection.mdx) | 입력, 출력 및 검색된 콘텐츠에서 민감 데이터를 탐지하거나 마스킹합니다. |
| [팩트 체크](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/fact-checking.mdx) 및 [환각 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/fact-checking.mdx#hallucination-detection) | 답변을 증거와 대조하거나 모델 응답을 비교하여 일관성을 확인합니다. |
| [도구 호출 및 도구 결과 검증](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/tool-calling.mdx) | 선언된 도구, 인수 스키마, 도구 결과의 연결 및 구조를 검증합니다. |
| [도구 안전 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/tool-safety-check.mdx) | 도구별 안전 지침에 따라 도구 호출과 결과를 평가합니다. |
| [정규식](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/community/regex.mdx) 및 [CEL](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/cel.mdx) | 결정론적 패턴 및 표현식 규칙을 적용합니다. |
| [LLM 자체 검사](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/self-check.mdx) | 구성된 LLM 프롬프트를 사용하여 입력 검열, 출력 검열 또는 팩트 체크를 수행합니다. |
| [언어 탐지](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/language-detector.mdx) | 입력을 구성된 언어로 제한합니다. |
| [타사 통합](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/configure-rails/guardrail-catalog/third-party.mdx) | 관리형 안전 및 검열 서비스를 연결합니다. |

NVIDIA Nemotron Safety 모델에는 [Nemotron 3.5 Content Safety](https://github.com/nvidia-nemo/guardrails/blob/develop/examples/configs/nemotron-3.5-content-safety), [Nemotron Content Safety Reasoning 4B](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/getting-started/tutorials/nemotron-content-safety-reasoning-deployment.mdx), [Llama 3.1 Nemotron Safety Guard 8B V3](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/getting-started/tutorials/nemotron-safety-guard-deployment.mdx)가 포함됩니다. 모델별 설정은 링크된 예제와 가이드를 따르세요.

[평가 도구](https://docs.nvidia.com/nemo/guardrails/latest/evaluation/evaluate-guardrails)를 사용하여 정책을 평가하고 [garak](https://github.com/NVIDIA/garak)을 사용하여 LLM 애플리케이션의 취약점을 스캔하세요. 예시는 [취약점 스캐닝 가이드](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/evaluation/llm-vulnerability-scanning.mdx)를 참조하세요.

## Guardrails 성능 벤치마킹

다음 수치는 14인치 MacBook Pro(Apple M4, 10코어, 24GB)에서 측정한, Guardrails API 서버가 각 요청에 추가하는 지연 시간을 보여줍니다.
서버는 [`content_safety_local`](https://github.com/nvidia-nemo/guardrails/blob/develop/examples/configs/content_safety_local) 구성을 실행하며, 이 구성은 입력 레일과 출력 레일로 각 요청을 검사합니다.
모의 LLM은 메인 모델과 콘텐츠 안전 모델을 고정 지연 시간으로 대체하므로, 각 요청은 모델 호출에 5,000ms를 소비합니다: 각 콘텐츠 안전 검사에 500ms, 메인 모델에 4,000ms입니다.
AIPerf는 각 동시성 수준에서 180초 동안 비스트리밍 요청을 전송하며, 프롬프트는 약 100개의 입력 토큰입니다.

다음 차트는 동시성 64에서의 추가 지연 시간을 보여주며, 각 LLMRails 레이블에는 IORails 값의 배수도 표시됩니다.

![동시성 64에서 IORails 및 LLMRails가 추가한 지연 시간](https://assets.kitploit.com/production/public/readmes/51007/2b2a562d757203062372fc947ea2adbdba4dee88300fcb217eddf4b0b40dab59/d9c5a8bb42e28ff2a6491fac49fb30003336352916ed2f6389a6b0545acece91-display-v1.webp)

| 동시성 | IORails p50 (ms) | IORails p90 (ms) | IORails p99 (ms) | LLMRails p50 (ms) | LLMRails p90 (ms) | LLMRails p99 (ms) |
| ---: | ---: | ---: | ---: | ---: | ---: | ---: |
| 1 | 11 | 13 | 30 | 39 | 40 | 53 |
| 2 | 13 | 15 | 20 | 62 | 70 | 104 |
| 4 | 13 | 15 | 19 | 85 | 100 | 127 |
| 8 | 13 | 19 | 68 | 136 | 179 | 208 |
| 16 | 15 | 21 | 30 | 97 | 289 | 416 |
| 32 | 13 | 19 | 106 | 88 | 274 | 860 |
| 64 | 13 | 22 | 126 | 93 | 669 | 2,094 |
| 128 | 17 | 774 | 2,880 | 430 | 1,422 | 5,182 |

각 값은 요청 지연 시간 백분위수에서 모델 호출의 5,000ms를 뺀 값입니다.
여기에는 모의 모델에 대한 서버의 세 가지 HTTP 호출(각각 약 2.5ms)이 포함됩니다.

이 수치를 재현하려면 [벤치마킹 가이드](https://github.com/nvidia-nemo/guardrails/blob/develop/benchmark/README.md)를 다음 두 가지 변경 사항과 함께 따르세요:

- AIPerf 구성에서 `benchmark_duration: 180`을 설정하세요. 기본 제공되는 구성은 60초를 사용합니다.
- IORails 열의 경우 `NEMO_GUARDRAILS_IORAILS_ENGINE=true`로 서버를 시작하세요. 가이드의 Procfile은 이것 없이 서버를 시작하므로, 서버는 기본적으로 LLMRails를 실행합니다.

동일한 도구를 사용하여 모의 LLM 대신 실제 모델을 사용하는 프로덕션 Guardrails 배포를 벤치마킹할 수도 있습니다.
이 사용 사례에서는 Guardrails 구성이 프로덕션 LLM을 가리켜야 하며, AIPerf는 대표적인 프로덕션 데이터셋으로 실행되어야 합니다.

## 커뮤니티 사용 현황

이 익명 사용 현황 스냅샷은 2026년 5월 22일부터 8월 18일까지의 `0.22.0` 및 `0.23.0` 릴리스 빌드를 다루며, 약 665,798개의 고유 시작 세션으로 추정됩니다.

<details>
<summary>레일 사용 현황, 기능 사용 현황 및 구성된 레일 수 보기</summary>

![레일 유형별 세션](https://assets.kitploit.com/production/public/readmes/51007/5c817f183980e89808ce8be263ceebbfa7d9deed6b646fb16ce020f203e38923/493c6d2c9a0d81af5bbd7ebfaf0cdbb06d21c64d4786f8b7082150eb9e42fd40-display-v1.webp)

![라이브러리 기능별 세션](https://assets.kitploit.com/production/public/readmes/51007/89ba78eebea3784baeb13513865883714c3daf62a440742478efd4689a27698b/73327d185c0ca512c4a3b837e70dd54bc243ce873a6e4051aff3e0c9a314311e-display-v1.webp)

![시작 시 구성된 레일](https://assets.kitploit.com/production/public/readmes/51007/94f316ceecd9de13b14b9b38766a36884f82175a9cf4b08dcdeeb9544ae1668c/29fd7090a76d6ee66edef8f64cfdc84ec7c5a446c4b89d65aaafdc2f1db3c74e-display-v1.webp)

세션 수는 추정치이며, 하나의 세션이 여러 레일 유형이나 기능을 사용할 수 있습니다. 정의와 집계 한도는 [집계 데이터](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/_static/images/community-telemetry/0.22.0-0.23.0.json) 및 [방법론](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/_static/images/community-telemetry/README.md)을 참조하세요.

</details>

## 텔레메트리 및 개인정보 보호

라이브러리는 프롬프트, 완성, 모델 이름, 자격 증명 및 엔드포인트를 제외한 익명 사용 텔레메트리를 전송합니다. 옵트아웃하려면 `NEMO_GUARDRAILS_NO_USAGE_STATS=1`을 설정하세요. 이는 구성된 모델 또는 가드레일 서비스 호출을 비활성화하지 않으며, 해당 호출은 콘텐츠를 해당 엔드포인트로 전송할 수 있습니다. 자세한 내용과 기타 옵트아웃 옵션은 [텔레메트리 및 개인정보 보호](https://github.com/nvidia-nemo/guardrails/blob/develop/docs/telemetry.mdx)를 참조하세요.

타사 엔드포인트에는 별도의 약관과 개인정보 처리 방침이 적용됩니다. NVIDIA NeMo Guardrails 라이브러리는 NVIDIA Build(`build.nvidia.com`)와 같은 추론 엔드포인트를 사용할 수 있습니다. NVIDIA Build 또는 다른 타사 엔드포인트를 사용하는 경우, 해당 엔드포인트의 서비스 약관과 개인정보 처리 방침이 라이브러리와 별도로 적용됩니다. NVIDIA NeMo Guardrails 라이브러리의 텔레메트리 옵트아웃은 사용자가 선택한 엔드포인트에는 적용되지 않습니다. NVIDIA Build는 평가 및 테스트 용도로만 사용하도록 의도되었으며 프로덕션 환경에서 사용해서는 안 됩니다. NVIDIA Build를 사용할 때 기밀 정보나 개인 데이터를 제출하지 마십시오.

## 기여 및 지원

기여 요구 사항은 [CONTRIBUTING.md](https://github.com/nvidia-nemo/guardrails/blob/develop/CONTRIBUTING.md) 및 [AI_POLICY.md](https://github.com/nvidia-nemo/guardrails/blob/develop/AI_POLICY.md)를 참조하십시오. 사용 관련 질문은 [GitHub Discussions](https://github.com/NVIDIA-NeMo/Guardrails/discussions)에 남겨 주시고, 취약점 신고는 [SECURITY.md](https://github.com/nvidia-nemo/guardrails/blob/develop/SECURITY.md)를 따라 주십시오.

이 라이브러리는 [Apache License, Version 2.0](https://github.com/nvidia-nemo/guardrails/blob/develop/LICENSE-Apache-2.0.txt)에 따라 라이선스가 부여됩니다. 연구에 사용하는 경우 [EMNLP 2023 논문](https://aclanthology.org/2023.emnlp-demo.40)을 인용해 주십시오.
도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 궁극의 OSINT 툴킷: 조사 그래프, 신뢰도 점수 산정, 별칭 패밀리, 지도, 타임라인 및 보고서. 49개 모듈, 400개 이상 사이트, API 키 불필요.

    906
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # GhostLock 원탭 실행 앱 (CVE-2026-43499)

    725
  • 3

    looking-glass

    anonghosty/looking-glass

    Shadowserver 보고서를 MongoDB로 수집하고 이를 대화형 지도, 분석, 발견 사항, 권고 및 경영진 대시보드로 재생하는 CSIRT 플랫폼입니다.

    442
  • 4

    wifit3

    derv82/wifit3

    Wifite지만 USB 전용 및 크로스 플랫폼.

    434
  • 5

    jumpserver

    jumpserver/jumpserver

    JumpServer는 오픈소스 권한 접근 관리(PAM) 플랫폼으로, DevOps 및 IT 팀이 웹 브라우저를 통해 SSH, RDP, Kubernetes, 데이터베이스 및 RemoteApp 엔드포인트에 주문형 보안 액세스를 제공합니다.

    412
  • 6

    SafeLine

    chaitin/safeline

    악성 HTTP 트래픽을 필터링하고 SQL 인젝션, XSS, 봇 공격을 차단하며, 속도 제한 및 동적 HTML/JS 암호화를 제공하는 자체 호스팅 WAF 및 리버스 프록시입니다.

    360

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →