Données, confidentialité et sécurité pour l’utilisation de modèles via le catalogue de modèles

Cet article fournit des détails sur la façon dont les données que vous fournissez sont traitées, utilisées et stockées lorsque vous déployez des modèles à partir du catalogue de modèles. Voir également l’ venant sur la protection des données des produits et services Microsoft, qui régit le traitement des données par les services Azure.

Quelles données sont traitées pour les modèles déployés dans Azure Machine Learning ?

Lorsque vous déployez des modèles dans Azure Machine Learning, le service traite les types de données suivants pour fournir le service :

• Invite et contenu généré. Vous envoyez des invites et le modèle génère du contenu (sortie) via les opérations qu’il prend en charge. Les prompts peuvent inclure du contenu que vous ajoutez via la génération augmentée par récupération (RAG), des métaprompts ou d’autres fonctionnalités intégrées à une application.

• Données chargées. Pour les modèles qui prennent en charge le réglage précis, vous pouvez charger vos données dans le magasin de données Azure Machine Learning pour une utilisation dans le réglage précis.

Générer des sorties d’inférence avec le calcul managé

Lorsque vous déployez des modèles sur un calcul managé, vous déployez des pondérations de modèle sur des machines virtuelles dédiées et exposez une API REST pour l’inférence en temps réel. Pour plus d’informations, consultez le déploiement de modèles à partir du catalogue de modèles vers le calcul managé. Vous gérez l'infrastructure pour ces calculs managés et les engagements en matière de confidentialité et de sécurité de Azure s'appliquent. Pour plus d’informations, consultez les offres de conformité Azure applicables aux Azure Machine Learning.

Bien que les conteneurs pour « Modèles vendus par Azure » soient analysés pour les vulnérabilités susceptibles d’exfiltrer des données, tous les modèles disponibles via le catalogue de modèles ne sont pas analysés. Pour réduire le risque d’exfiltration des données, vous pouvez protéger votre déploiement à l’aide de réseaux virtuels. Pour plus d’informations, consultez le catalogue de modèles d’isolation réseau. Vous pouvez également utiliser Azure Policy pour réglementer les modèles que vos utilisateurs peuvent déployer.

Générer des sorties d’inférence avec des déploiements standard

Lorsque vous déployez un modèle à partir du catalogue de modèles (base ou affiné) en tant que déploiement standard pour l’inférence, vous obtenez une API qui vous donne accès au modèle hébergé et géré par le service Azure Machine Learning. Pour plus d’informations, consultez Models-as-a-Service. Le modèle traite vos invites d’entrée et génère des sorties en fonction des fonctionnalités du modèle, comme décrit dans les détails du modèle fournis pour le modèle. Bien que le modèle soit fourni par le fournisseur de modèles et que votre utilisation du modèle (et la responsabilité du fournisseur de modèles pour le modèle et ses sorties) sont soumises aux termes du contrat de licence fournis avec le modèle, Microsoft fournit et gère l'infrastructure d'hébergement et le point de terminaison d'API. Les modèles hébergés dans Models-as-a-Service sont soumis aux engagements de Azure en matière de données, de confidentialité et de sécurité. Pour plus d’informations sur les offres de conformité Azure applicables à Azure Machine Learning, consultez here.

Microsoft agit en tant que traitant de données pour les invites et les sorties générées par un modèle déployé dans le cadre d'un déploiement standard. Microsoft ne partage pas ces invites et sorties avec le fournisseur de modèles, et n'utilise pas ces invites et sorties pour entraîner ou améliorer les modèles de Microsoft, du fournisseur de modèles, ou de tiers. Les modèles sont sans état et aucune invite ni sortie n’est stockée dans le modèle. Si le filtrage de contenu (version préliminaire) est activé, Azure AI Sécurité du Contenu analyse en temps réel les prompts et les sorties afin de détecter certaines catégories de contenus nuisibles. Pour plus d’informations, consultez comment Azure AI Sécurité du Contenu traite les données here. Les requêtes et les sorties sont traités dans la zone géographique spécifiée lors du déploiement, mais peuvent être traités entre différentes régions au sein de cette zone pour des raisons opérationnelles (notamment de performance et de gestion de capacité).

Comme expliqué lors du processus de déploiement pour Models-as-a-Service, Microsoft peut partager les informations de contact client et les détails des transactions (y compris le volume d’utilisation associé à l’offre) avec l’éditeur de modèle afin qu’ils puissent contacter les clients concernant le modèle. Pour plus d’informations sur les informations disponibles pour les éditeurs de modèles, consultez ce lien.

Ajuster un modèle avec des déploiements standard (modèles en tant que service)

Si un modèle disponible pour le déploiement standard prend en charge le réglage précis, vous pouvez charger des données vers (ou désigner des données déjà dans) un magasin de données Azure Machine Learning pour affiner le modèle. Vous pouvez ensuite créer un déploiement standard pour le modèle affiné. Vous ne pouvez pas télécharger le modèle affiné, mais le modèle affiné :

• Est disponible exclusivement pour votre utilisation ;

• Peut être double enchiffré au repos (par défaut avec le chiffrement AES-256 de Microsoft et éventuellement avec une clé gérée par le client).

• Peut être supprimé à tout moment.

Les données d'apprentissage chargées pour le réglage précis ne sont pas utilisées pour entraîner, réentraîner ou améliorer tout modèle Microsoft ou tiers, sauf si vous le souhaitez au sein du service.

Traitement des données pour les modèles téléchargés

Si vous téléchargez un modèle à partir du catalogue de modèles, vous choisissez où déployer le modèle et vous êtes responsable de la façon dont les données sont traitées lorsque vous utilisez le modèle.

Étapes suivantes

• Vue d’ensemble du catalogue de modèles