Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Creare un guardrail Amazon Bedrock Guardrails offre filtri che puoi configurare per evitare contenuti indesiderati e dannosi e rimuovere o mascherare informazioni sensibili per la protezione della privacy. Puoi configurare i seguenti filtri con Amazon Bedrock Guardrails: + **Filtri di contenuto**: questo filtro ti aiuta a rilevare e filtrare contenuti di testo o immagini dannosi nei prompt di input o nelle risposte dei modelli (esclusi i contenuti di ragionamento). Il filtraggio viene eseguito in base al rilevamento di alcune categorie di contenuti dannosi predefinite: odio, insulti, atti sessuali, violenza, cattiva condotta e attacco di prompt. Puoi configurare l'intensità del filtro per ciascuna di queste categorie in base ai tuoi casi d'uso. Con il [livello Standard](guardrails-tiers.md), il rilevamento di contenuti indesiderati viene esteso per proteggere dai contenuti dannosi all'interno degli elementi di codice, tra cui commenti, nomi di variabili e funzioni e stringhe letterali. + **Attacchi rapidi**: offerto come categoria all'interno dei filtri di contenuto, questo filtro può aiutarti a rilevare e filtrare gli attacchi rapidi, tra cui jailbreak, iniezioni tempestive e fughe di messaggi (solo livello Standard). Questa funzionalità consente di rilevare i prompt che hanno lo scopo di aggirare la moderazione dei contenuti, ignorare le istruzioni o generare contenuti dannosi. + **Argomenti negati**: puoi definire una serie di argomenti da evitare all’interno della tua applicazione di IA generativa. Ad esempio, è possibile progettare un’applicazione di assistente bancario per evitare argomenti relativi a consulenze illegali in materia di investimenti. Con il [livello Standard](guardrails-tiers.md), i filtri dei contenuti si estendono ai domini di codice. + **Filtri di parole**: puoi definire una serie di parole o frasi personalizzate (corrispondenza esatta) che desideri rilevare e bloccare nell'interazione tra gli utenti e le applicazioni di intelligenza artificiale generativa. Ad esempio, puoi rilevare e bloccare parole volgari (utilizzando un' ready-to-useopzione), nonché parole personalizzate specifiche come i nomi dei concorrenti o altre parole offensive. + **Filtri per informazioni sensibili**: ti aiutano a rilevare contenuti sensibili come Informazioni di identificazione personale (PII) in formati standard o espressioni regolari personalizzate negli input degli utenti e nelle risposte dei modelli di fondazione. Questo filtro è una soluzione basata sul machine learning (ML) probabilistico che dipende dal contesto. Rileva le informazioni sensibili in base al contesto all'interno dei prompt di input o delle risposte del modello. In base al caso d'uso, è possibile bloccare o mascherare gli input e le risposte contenenti informazioni sensibili. Ad esempio, puoi oscurare le informazioni personali degli utenti generando riepiloghi dalle trascrizioni delle conversazioni con clienti e agenti. + **Controlli di correlazione contestuale**: ti aiutano a rilevare e filtrare le allucinazioni nelle risposte dei modelli se non sono correlate (di fatto imprecise o aggiungono nuove informazioni) nelle informazioni di origine o sono irrilevanti rispetto alla query dell’utente. Ad esempio, è possibile bloccare o contrassegnare le risposte nelle applicazioni RAG (retrieval-augmented generation), se le risposte del modello si discostano dalle informazioni nei passaggi recuperati o non rispondono alla domanda dell'utente. + **Controlli del ragionamento automatico**: ti aiutano a verificare che le risposte dei modelli rispettino le regole e le policy logiche definite. È possibile creare politiche utilizzando il linguaggio naturale che specificano i requisiti di ragionamento e i controlli di ragionamento automatizzati valuteranno se gli output del modello sono conformi a questi vincoli logici. Ad esempio, puoi assicurarti che un chatbot del servizio clienti consigli solo i prodotti disponibili nell'inventario o verificare che la consulenza finanziaria segua le regole di conformità normativa. **Nota** Tutti i contenuti bloccati dalle policy di cui sopra vengono visualizzati come testo semplice nei [log delle invocazioni dei modelli di Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/model-invocation-logging.html), se li hai abilitati. Puoi disabilitare i log delle invocazioni di Amazon Bedrock se non desideri che i contenuti bloccati appaiano come testo normale nei log. Un guardrail deve contenere almeno un filtro e un messaggio da mostrare quando i prompt o le risposte degli utenti vengono bloccati. Puoi scegliere di utilizzare la messaggistica predefinita. Puoi aggiungere filtri ed eseguire iterazioni sul guardrail in un secondo momento seguendo la procedura in [Modifica del guardrail](guardrails-edit.md). **Topics** + [Configurare i filtri di contenuto per Guardrail per Amazon Bedrock](guardrails-content-filters-overview.md) + [Bloccare argomenti negati per rimuovere i contenuti dannosi](guardrails-denied-topics.md) + [Rimuovere un elenco specifico di parole e frasi dalle conversazioni con filtri per parole](guardrails-word-filters.md) + [Rimuovere le informazioni di identificazione personale dalle conversazioni utilizzando filtri per informazioni sensibili](guardrails-sensitive-filters.md) + [Utilizzare il controllo di correlazione contestuale per filtrare le allucinazioni nelle risposte](guardrails-contextual-grounding-check.md) + [Opzioni per la gestione dei contenuti dannosi rilevati da Guardrail per Amazon Bedrock](guardrails-harmful-content-handling-options.md) + [Cosa sono i controlli di ragionamento automatizzato in Amazon Bedrock Guardrails?](guardrails-automated-reasoning-checks.md) + [Supporto del dominio di codice](guardrails-code-domain.md)