通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

使用 Azure AI Studio 中的内置策略控制 AI 模型部署

  • 项目

Azure Policy 提供内置策略定义，可帮助你控制托管 AI 服务 (MaaS) 和模型即平台 (MaaP) 中 AI 模型的部署。 你可以使用这些策略来控制开发人员可在 Azure AI Studio 中部署哪些模型。

先决条件

启用策略

  1. 在 Azure 门户中，从页面左侧选择“策略”。 也可以在页面顶部的搜索栏中搜索“策略”。

  2. 在 Azure 策略仪表板的左侧，选择“创作”、“定义”，然后在页面上的搜索栏中搜索“[预览]：Azure 机器学习部署应该仅使用已批准的注册表模型”。 还可以直接导航到策略定义创建页面。

  3. 选择“分配”以将策略分配到管理组：

    • 范围：选择策略的分配范围。 范围可以是管理组、订阅或资源组。
    • 策略定义：此部分应已包含值“[预览]：Azure 机器学习部署应该仅使用已批准的注册表模型”。
    • 分配名称：为分配输入唯一的名称。

    其余字段可以保留默认值，你也可以根据组织的需要进行自定义。

  4. 选择页面底部的“下一步”，或选择页面顶部的“参数”选项卡。

  5. 在“参数”选项卡中，取消选择“仅显示需要输入或审查的参数”以查看所有字段：

    • 效果：设置为“拒绝”。

      注意

      使用审核选项可以配置策略，以将信息记录到你自己的合规性仪表板。

    • 允许的模型发布者：在此字段中，应该输入带引号的发布者名称的逗号分隔列表。

    • 允许的资产 ID：在此字段中，应该输入带引号的模型资产 ID 的逗号分隔列表。

      若要获取模型资产 ID 字符串和模型发布者的名称，请执行以下步骤：

      1. 转到 Azure AI Studio 模型目录。

      2. 对于你要允许的每个模型，选择该模型以查看详细信息。 在模型详细信息中，复制“模型 ID”值。 例如，对于 GPT-3.5-Turbo 模型，该值可能类似于 azureml://registries/azure-openai/models/gpt-35-turbo/versions/3。 提供的名称也是模型目录中的“集合”。 例如“Meta-Llama-3.1-70B-Instruct”模型的发布者是 Meta。

        重要

        模型 ID 值必须与模型完全匹配。 如果模型 ID 不完全匹配，则不允许该模型。

  6. 选择“查看 + 创建”选项卡并验证策略分配是否正确。 准备就绪后，选择“创建”以分配策略。

  7. 通知开发人员已实施该策略。 如果他们尝试部署不在允许模型列表中的模型，他们会收到错误消息。

监视符合性

若要监视对策略的遵从性，请执行以下步骤：

  1. 在 Azure 门户中，从页面左侧选择“策略”。 也可以在页面顶部的搜索栏中搜索“策略”。
  2. 在 Azure Policy 仪表板左侧，选择“合规性”。 每项策略分配均与合规性状态一起列出。 若要查看更多详细信息，请选择该策略分配。

更新策略分配

若要更新新模型的现有策略分配，请执行以下步骤：

  1. 在 Azure 门户中，从页面左侧选择“策略”。 也可以在页面顶部的搜索栏中搜索“策略”。
  2. 在 Azure Policy 仪表板左侧，选择“分配”并找到现有的策略分配。 选择该分配旁边的省略号 (...)，然后选择“编辑分配”。
  3. 在“参数”选项卡中，更新新模型 ID 的“允许的模型”参数。
  4. 在“查看 + 保存”选项卡中，选择“保存”以更新策略分配。

最佳做法

  • 粒度范围：在适当的范围分配策略，以平衡控制度和灵活性。 例如，在订阅级别应用策略可以控制订阅中的所有资源，在资源组级别应用策略可以控制特定组中的资源。
  • 策略命名：对策略分配使用一致的命名约定，以便更轻松地识别策略的用途。 在名称中包含用途和范围等信息。
  • 文档记录：保留策略分配和配置的记录以用于审核目的。 记录一段时间内对策略所做的任何更改。
  • 定期评审：定期评审策略分配，确保其符合组织的要求。
  • 测试：在将策略应用于生产资源之前，先在非生产环境中对其进行测试。
  • 沟通：确保开发人员知道现行的策略，并了解其对开发人员工作的影响。

相关内容