MOSAIC 为制定 AI 安全标准和指南的组织提供协调结构，减少不一致、重复工作、错位和空白。 最终目标是让标准和指南体系为保护和监督 AI 系统提供清晰的指导——我们正日益将 AI 系统连接到一切事物，并将敏感数据托付给它们。
参见 MOSAIC 成员组织。
参见 路线图。
参见 章程。
参见 MOSAICstandards.org。
更多信息见这篇 LinkedIn 帖子 以及 启动会议纪要。
参与方式：参见 贡献指南。讨论区见 此处。
阅读方式：参见本 README、docs 文件夹 或网站。
用户类型：
AI 的前景正推动各组织将其连接到一切事物，并将敏感数据托付给它。在各行各业，这种探索都在快速进行。
与此同时，AI 带来了新的风险。系统既容易受到现有类型的攻击，也容易受到新型攻击，这些都需要特定的应对措施。许多组织尚未为此做好准备。因此，AI 系统正迅速成为对手眼中极具吸引力的目标。
我们已经在越来越多的安全事件中看到这一点。当风险成为现实时，创新就会放缓：项目暂停、设计返工，大量精力被投入到事件响应和恢复中。起初看似快速的做法，往往在后期导致延误。
显然需要实用的指导：如何识别 AI 特有的威胁，以及如何应对。这并不需要很复杂。如果做得好，它实际上会通过防止返工和减少不确定性来加速开发。
如今，许多倡议都在制定此类指导。然而，整体格局是碎片化的。从业者面对的是多个框架、重叠的建议和不一致的术语。每项倡议都有其优势，但也有盲点。
结果是混乱。团队难以决定该遵循什么，将不兼容的方法拼凑在一起，或者干脆完全脱离、听天由命。这是一种危险的处境，尤其是在一个失败可能迅速放大的领域。
在 AI 这样快速发展的领域中，较强的风险偏好是可以理解的。但在没有清晰且协调一致的安全指导下运作，并不是经过计算的风险——而是风险敞口。AI 需要战略性的探索。
AI 漏洞发现领域的最新进展，例如 Mythos AI 漏洞发现系统，进一步增加了紧迫性。它们表明，AI 系统中的弱点现在可以更快、更大规模地被发现——往往在开发者意识到之前。这使天平向攻击者倾斜，并减少了容错空间。
这就是协调至关重要的原因。在各倡议之间协调标准和指南，可以减少碎片化、提高清晰度，并为从业者提供一条连贯的前进道路。它使组织能够快速行动而不失去控制。
与 MOSAIC 保持一致，意味着与 MOSAIC 成员内部开展的工作保持一致——因为 MOSAIC 就是协调机制。
具体做法：
在分类法上保持一致并引用现有工作的一个好方法，是将您标准中的要求链接到 OpenCRE.org 的要求分类法。
AI 可以成为支持一致性的绝佳工具，因为 LLM 在比较长文档并识别重叠、空白和差异方面非常强大。在 OpenCRE 开源项目中，我们正在开发工具来支持这一过程，并解锁 MOSAIC 成员的内容。
最后但同样重要的是，成功实现标准一致性，从定义上讲就需要牺牲和妥协。良好的一致性通常意味着放弃某些长期持有的信念，并“杀掉你的心头好”。有时，更好的做法是弃用某些曾付出艰辛努力的部分文本，转而引用涵盖该主题的另一个来源。这个有时痛苦的过程所带来的结果是：维护工作更少、更专注于关键内容、更高的一致性、对从业者更清晰，因此：更好的信息系统，为了更美好的世界。
公开网站是一个 Hugo 静态站点（markdown 内容、共享布局、CSS 位于 static/assets/），通过 GitHub Actions 部署到 Firebase Hosting。
website/content/*.md（仅 markdown）website/data/menu.yaml本站使用 GoatCounter 进行隐私友好、无 Cookie 的页面浏览量统计（https://mosaic.goatcounter.com）。不收集任何个人数据。详情参见 CONTRIBUTING.md。