Dans cet article, nous proposons SEALGuard, une protection multilingue, pour pallier les limitations des protections existantes basées sur des modèles linguistiques à grande échelle (LLM) (par exemple, LlamaGuard), qui ne prennent pas en charge le multilinguisme. SEALGuard est développé à l'aide de SEALSBench, un jeu de données multilingue à grande échelle, aligné sur la sécurité, composé de 10 langues, dont des langues à faibles ressources. Grâce à la technique d'adaptation à faible rang (LoRA), nous appliquons un modèle linguistique multilingue général comme protection multilingue. Une évaluation comparative avec LlamaGuard confirme sa supériorité face aux invites malveillantes multilingues et aux tentatives de jailbreak. En particulier, contrairement à LlamaGuard, dont la performance se dégrade face aux invites malveillantes et aux tentatives de jailbreak pour les langues autres que l'anglais (diminution de 9 % et 18 % du DSR), SEALGuard atteint des performances supérieures en termes de DSR, de précision et de score F1 (augmentation de 48 % du DSR par rapport à LlamaGuard). De plus, nous analysons les contributions des stratégies d'adaptation et de la taille du modèle à la performance grâce à des études d'ablation.
