本体知识模块：面向可信 AI 系统的可执行合规性与基于轮廓的验证

部署在关键数字基础设施中的 AI 服务面临着涵盖透明性、问责、公平性和可追溯性在内的治理义务。当前的合规方式仍以文档为中心：义务以文字描述，审计依赖静态检查表，验证依赖人工审查。此类方法难以应用于自动化 AI 系统。本文引入本体知识模块（Ontological Knowledge Blocks, OKBs），这是一种可编程的治理基础设施，将监管义务编译为结构化证据图上的机器可检查约束。我们将 OKB formalize 为一个由五元组构成，将规范义务绑定到 RDF/OWL 概念模式、可执行的 SHACL 验证规则、明确的证据要求以及 PROV-O 前因关系链接。一个确定性的监管编译器将结构化中间表示（Intermediate Representation, IR）记录翻译为可组合的知识库模块，实现基于轮廓的治理重新配置，而无需修改服务代码。我们实现了两个原型，并在涉及 24 次验证运行和四个治理轮廓的 AI 辅助 HPC 资源分配场景中进行评估。结果表明轮廓敏感的验证、违规累积严格递增、SHACL 验证延迟在 12.6 毫秒到 100.3 毫秒之间，并且轮廓等价测试确认“组合”轮廓是严格最全面的轮廓。所有制品均以开源方式发布。