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 中的自定义策略控制 AI 模型部署

项目
10/28/2024

将 Azure AI 服务和 Azure OpenAI 中的模型与 Azure AI Studio 配合使用时，可能需要使用自定义策略来控制开发人员可部署哪些模型。自定义 Azure 策略允许创建满足组织独特要求的策略定义。本文介绍如何创建和分配一个示例自定义策略来控制模型部署。

先决条件

Azure 订阅。如果没有 Azure 订阅，请在开始之前创建一个免费帐户。
创建和分配策略的权限。若要创建和分配策略，你必须是 Azure 订阅或资源组级别的所有者或资源策略参与者。
熟悉 Azure Policy。有关详细信息，请参阅什么是 Azure Policy？。

创建自定义策略

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”。
在 Azure Policy 仪表板左侧，选择“创作”、“定义”，然后选择页面顶部的“+ 策略定义”。

在“策略定义”窗体中使用以下值：

定义位置：选择要在其中存储策略定义的订阅或管理组。
名称：为策略定义输入唯一的名称。例如，Custom allowed Azure AI services and Azure OpenAI models。
说明：输入策略定义的说明。
类别：可以创建新类别，也可以使用现有类别。例如“AI 模型治理”。

策略规则：以 JSON 格式输入策略规则。以下示例显示了允许部署特定 Azure AI 服务和 Azure OpenAI 模型的策略规则：

提示

Azure AI 服务最初名为“Azure 认知服务”。此名称仍由 Azure 在内部使用，例如此自定义策略中显示了 Microsoft.CognitiveServices 值。 Azure OpenAI 是 Azure AI 服务的一部分，因此此策略也适用于 Azure OpenAI 模型。

{
      "mode": "All",
      "policyRule": {
        "if": {
          "allOf": [
            {
              "field": "type",
              "equals": "Microsoft.CognitiveServices/accounts/deployments"
            },
            {
              "not": {
                "value": "[concat(field('Microsoft.CognitiveServices/accounts/deployments/model.name'), ',', field('Microsoft.CognitiveServices/accounts/deployments/model.version'))]",
                "in": "[parameters('allowedModels')]"
              }
            }
          ]
        },
        "then": {
          "effect": "deny"
        }
      },
      "parameters": {
        "allowedModels": {
          "type": "Array",
          "metadata": {
            "displayName": "Allowed AI models",
            "description": "The list of allowed models to be deployed."
          }
        }
      }
}

选择“保存”以保存策略定义。保存后，你将进入策略定义的概述页面。
在策略定义的概述页面中，选择“分配策略”以分配策略定义。
在“分配策略”页面上，在“基本信息”选项卡中使用以下值：
- 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：此字段中已预先填充了你先前创建的策略定义的标题。
- 分配名称：为分配输入唯一的名称。
- 策略执行：确保“策略执行”字段设置为“已启用”。如果未启用，则不会执行该策略。
选择页面底部的“下一步”，或选择页面顶部的“参数”选项卡。
在“参数”选项卡中，将“允许的 AI 模型”设置为你要允许的模型列表。该列表应为模型名称和已批准版本的逗号分隔列表，并括在方括号中。例如，["gpt-4,0613", "gpt-35-turbo,0613"]。

提示

可以在 Azure AI Studio 模型目录中找到模型名称及其版本。选择要查看详细信息的模型，然后在标题中复制模型名称及其版本。
（可选）选择页面顶部的“不合规消息”选项卡，然后设置不合规的自定义消息。
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。
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。

验证策略分配

若要验证策略是否已分配，请导航到 Azure 门户中的“策略”，然后选择“创作”下的“分配”。你应会看到列出的策略。

监视符合性

若要监视对策略的遵从性，请执行以下步骤：

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”。
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：

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”。
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”。
在“参数”选项卡中，更新新模型的“允许的模型”参数。
在“检查 + 保存”选项卡中，选择“保存”以更新策略分配。

最佳做法

获取模型名称：使用 Azure AI Studio 模型目录，然后选择模型以查看详细信息。将标题中的模型名称与策略结合使用。
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。

通过

使用 Azure AI Studio 中的自定义策略控制 AI 模型部署

先决条件

创建自定义策略

验证策略分配

监视符合性

更新策略分配

最佳做法

反馈

其他资源

通过

使用 Azure AI Studio 中的自定义策略控制 AI 模型部署

先决条件

创建自定义策略

验证策略分配

监视符合性

更新策略分配

最佳做法

相关内容

反馈

其他资源