Datos, privacidad y seguridad para el uso de modelos mediante el Catálogo de modelos
En este artículo se proporcionan detalles sobre cómo se procesan, usan y almacenan los datos proporcionados por usted al implementar modelos desde el Catálogo de modelos. Consulte también el Complemento de protección de datos de productos y servicios de Microsoft, que rige el procesamiento de datos por parte de los servicios de Azure.
¿Qué datos se procesan para los modelos implementados en Azure Machine Learning?
Al implementar modelos en Azure Machine Learning, se procesan los siguientes tipos de datos para proporcionar el servicio:
Solicita y genera contenido. El usuario envía mensajes y el modelo genera el contenido (salida) a través de las operaciones admitidas por el modelo. Las solicitudes pueden incluir contenido que se ha agregado a través de la generación aumentada de recuperación (RAG), metaprompts u otra funcionalidad incluida en una aplicación.
Datos cargados. En el caso de los modelos que admiten el ajuste, los clientes pueden cargar sus datos en el Almacén de datos de Azure Machine Learning para su uso para ajustar.
Generación de salidas de inferencia con proceso administrado
La implementación de modelos en procesos administrados implementa pesos de modelo en máquinas virtuales dedicadas y expone una API de REST para la inferencia en tiempo real. Obtenga más información sobre la implementación de modelos desde el catálogo de modelo hasta los procesos administrados. Puede administrar la infraestructura de estos procesos administrados y se aplican los compromisos de datos, privacidad y seguridad de Azure. Obtenga más información sobre las Ofertas de cumplimiento de Azure aplicables a Azure Machine Learning.
Aunque se han examinado contenedores para modelos “Mantenidos por Azure AI” para detectar vulnerabilidades que podrían filtrar datos, no todos los modelos disponibles a través del catálogo de modelos se han examinado. Para reducir el riesgo de filtración de datos, puede proteger la implementación mediante redes virtuales. Siga este vínculo para obtener más información. También puede usar Azure Policy para regular los modelos que los usuarios pueden implementar.
Generación de salidas de inferencia con API sin servidor (Modelos como servicio)
Al implementar un modelo desde el catálogo de modelos (base o optimizado) como una API sin servidor para la inferencia, se aprovisiona una API que proporciona acceso al modelo hospedado y administrado por Azure Machine Learning Service. Obtenga más información sobre Modelos como servicio. El modelo procesa las solicitudes de entrada y genera salidas basadas en la funcionalidad del modelo, como se describe en los detalles del modelo proporcionados para el modelo. Aunque el proveedor de modelos proporciona el modelo y el uso del modelo (y la responsabilidad del proveedor de modelos para el modelo y sus salidas) están sujetos a los términos de licencia proporcionados con el modelo, Microsoft proporciona y administra la infraestructura de hospedaje y el punto de conexión de API. Los modelos hospedados en Models as-a-Service están sujetos a los compromisos de datos, privacidad y seguridad de Azure. Obtenga más información sobre las ofertas de cumplimiento de Azure aplicables a Azure Machine Learning aquí.
Importante
Esta característica actualmente está en su versión preliminar pública. Esta versión preliminar se ofrece sin un Acuerdo de Nivel de Servicio y no se recomienda para cargas de trabajo de producción. Es posible que algunas características no sean compatibles o que tengan sus funcionalidades limitadas.
Para más información, consulte Términos de uso complementarios de las Versiones Preliminares de Microsoft Azure.
Microsoft actúa como procesador de datos para solicitudes y salidas enviadas y generadas por un modelo implementado para la inferencia de pago por uso (MaaS). Microsoft no comparte estas solicitudes y salidas con el proveedor de modelos, y Microsoft no usa estas indicaciones y salidas para entrenar o mejorar los modelos de Microsoft, el proveedor de modelos o los modelos de terceros. Los modelos no tienen estado y no se almacenan mensajes ni salidas en el modelo. Si el filtrado de contenido (versión preliminar) está habilitado, los mensajes y las salidas se muestran para determinadas categorías de contenido perjudicial por parte del servicio de seguridad de contenido de Azure AI en tiempo real; Obtenga más información sobre cómo Azure AI Content Safety procesa los datos aquí. Las solicitudes y salidas se procesan dentro de la geografía especificada durante la implementación, pero se pueden procesar entre regiones dentro de la geografía con fines operativos (incluida la administración de rendimiento y capacidad).
Como se explica durante el proceso de implementación de Models como servicio, Microsoft puede compartir información de contacto del cliente y detalles de transacción (incluido el volumen de uso asociado a la oferta) con el publicador del modelo para que puedan ponerse en contacto con los clientes con respecto al modelo. Obtenga más información sobre la información disponible para los publicadores de modelos, siga este vínculo.
Ajuste de un modelo con API sin servidor (Modelos como servicio)
Si un modelo disponible para la implementación de API sin servidor admite el ajuste preciso, puede cargar datos en (o designar datos ya en) una almacén de datos de Azure Machine Learning para ajustar el modelo. A continuación, puede crear una API sin servidor para el modelo ajustado. El modelo optimizado no se puede descargar, pero el modelo optimizado:
Está disponible exclusivamente para su uso;
Puede ser cifrado en reposo (de forma predeterminada con el cifrado AES-256 de Microsoft y, opcionalmente, con una clave administrada por el cliente).
Puede ser eliminado por usted en cualquier momento.
Los datos de entrenamiento cargados para el ajuste fino no se usan para entrenar, volver a entrenar ni mejorar ningún modelo de Microsoft o de terceros, excepto según lo indicado por usted dentro del servicio.
Procesamiento de datos para modelos descargados
Si descarga un modelo desde el Catálogo de modelos, elige dónde implementar el modelo y es responsable de cómo se procesan los datos cuando se usa el modelo.