Gegevens, privacy en beveiliging voor het gebruik van modellen via de modelcatalogus

Dit artikel bevat informatie over hoe gegevens die u opgeeft, worden verwerkt, gebruikt en opgeslagen wanneer u modellen implementeert vanuit de modelcatalogus. Zie ook de Microsoft Products and Services Data Protection Addendum, die gegevensverwerking door Azure services regelt.

Welke gegevens worden verwerkt voor modellen die zijn geïmplementeerd in Azure Machine Learning?

Wanneer u modellen in Azure Machine Learning implementeert, verwerkt de service de volgende typen gegevens om de service te leveren:

• Vragen en gegenereerde inhoud. U verzendt prompts en het model genereert inhoud (uitvoer) via de bewerkingen die het ondersteunt. Prompts kunnen inhoud bevatten die u toevoegt via retrieval-augmented generation (RAG), metaprompts of andere functionaliteit die is opgenomen in een applicatie.

• Geüploade gegevens. Voor modellen die ondersteuning bieden voor afstemming, kunt u uw gegevens uploaden naar de Azure Machine Learning Datastore voor gebruik bij het afstemmen.

Genereren van inferentie-uitvoer met beheerde rekenkracht

Wanneer u modellen implementeert voor beheerde berekeningen, implementeert u modelgewichten op toegewezen virtuele machines en maakt u een REST API beschikbaar voor realtime deductie. Zie voor meer informatie het implementeren van modellen uit de modelcatalogus voor beheerde berekeningen. U beheert de infrastructuur voor deze beheerde berekeningen en de gegevens, privacy en beveiligingsverplichtingen van Azure zijn van toepassing. Zie Azure complianceaanbiedingen van toepassing op Azure Machine Learning voor meer informatie.

Hoewel containers voor 'Modellen die worden verkocht door Azure' worden gescand op beveiligingsproblemen die gegevens kunnen exfiltreren, worden niet alle modellen die beschikbaar zijn via de modelcatalogus gescand. Als u het risico op gegevensexfiltratie wilt verminderen, kunt u uw implementatie beveiligen met behulp van virtuele netwerken. Zie de catalogus met netwerkisolatiemodellen voor meer informatie. U kunt ook Azure Policy gebruiken om de modellen te reguleren die uw gebruikers kunnen implementeren.

Inferentie-uitvoer genereren met standaardimplementaties

Wanneer u een model implementeert vanuit de modelcatalogus (basis of verfijnd) als een standaardimplementatie voor deductie, krijgt u een API waarmee u toegang krijgt tot het model dat wordt gehost en beheerd door de Azure Machine Learning Service. Zie Models-as-a-Service voor meer informatie. Het model verwerkt uw invoerprompts en genereert uitvoer op basis van de functionaliteit van het model, zoals beschreven in de modeldetails die voor het model worden verstrekt. Hoewel het model wordt geleverd door de modelprovider en uw gebruik van het model (en de verantwoordelijkheid van de modelprovider voor het model en de uitvoer) is onderworpen aan de licentievoorwaarden die bij het model worden geleverd, Microsoft de hostinginfrastructuur en het API-eindpunt biedt en beheert. De modellen die worden gehost in Models-as-a-Service, zijn onderhevig aan de gegevens, privacy en beveiligingsverplichtingen van Azure. Zie here voor meer informatie over Azure nalevingsaanbiedingen die van toepassing zijn op Azure Machine Learning.

Microsoft fungeert als de gegevensverwerker voor prompts en uitvoer die worden verzonden naar en gegenereerd door een model dat is geïmplementeerd voor standaardimplementatie. Microsoft deelt deze prompts en uitvoer niet met de modelprovider en Microsoft gebruikt deze prompts en uitvoer niet om de modellen van Microsoft, de modelprovider of de modellen van een derde partij te trainen of te verbeteren. De modellen zijn stateloos en er worden geen prompts of uitvoer opgeslagen in de modellen. Als contentfiltering (preview) is ingeschakeld, controleert de Azure AI Content Veiligheid-service in realtime prompts en uitvoer op bepaalde categorieën schadelijke inhoud. Zie voor meer informatie hoe Azure AI Content Veiligheid gegevens verwerkt here. Prompts en uitvoer worden verwerkt binnen de geografie die tijdens de implementatie is opgegeven, maar kunnen worden verwerkt tussen regio's binnen de geografie voor operationele doeleinden (inclusief prestatie- en capaciteitsbeheer).

Zoals uitgelegd tijdens het implementatieproces voor Models-as-a-Service, kan Microsoft mogelijk contactgegevens en transactiegegevens van klanten delen (inclusief het gebruiksvolume dat aan het aanbod is gekoppeld) met de modeluitgever, zodat ze contact kunnen opnemen met klanten met betrekking tot het model. Zie deze koppeling voor meer informatie over informatie die beschikbaar is voor modeluitgevers.

Een model verfijnen met standaardimplementaties (Models-as-a-Service)

Als een model dat beschikbaar is voor standaardimplementatie ondersteuning biedt voor het afstemmen van gegevens, kunt u gegevens uploaden (of gegevens toewijzen die al aanwezig zijn) in een Azure Machine Learning Datastore om het model af te stemmen. Vervolgens kunt u een standaardimplementatie maken voor het verfijnde model. U kunt het nauwkeurig afgestemde model niet downloaden, maar het nauwkeurig afgestemde model:

• Is exclusief beschikbaar voor uw gebruik;

• Kan dubbel worden versleuteld opgeslagen (standaard met de AES-256-versleuteling van Microsoft en optioneel met een door de klant beheerde sleutel).

• Kan op elk gewenst moment door u worden verwijderd.

Trainingsgegevens die zijn geüpload voor het verfijnen, worden alleen gebruikt voor het trainen, opnieuw trainen of verbeteren van een Microsoft of een model van derden als u dat binnen de dienst aangeeft.

Gegevensverwerking voor gedownloade modellen

Als u een model downloadt uit de modelcatalogus, kiest u waar u het model wilt implementeren en bent u verantwoordelijk voor de verwerking van gegevens wanneer u het model gebruikt.

Volgende stappen

• Overzicht van modelcatalogus