安全、稳定、SLA高达99.9%:Azure OpenAI数据分离与隔离优势

近期有不少客户,由于其开发的系统软件是面向海外以及政企的,又想通过微软Azure OpenAI服务将大模型接入其业务作为优势,因此非常重视服务的安全性和稳定性。

下面将重点介绍微软Azure OpenAI 服务的数据、隐私和安全内容。

稳定:SLA高达99.9%

图片

参考链接:
微软 Azure OpenAI 试用申请

来源微软官网:

https://www.microsoft.com/licensing/docs/view/Service-Level-Agreements-SLA-for-Online-Services?lang=5

“Azure OpenAI 资源”是指在 Microsoft Azure 订阅的 Azure 区域中创建的 Azure OpenAI 类型的 Azure 资源。

“部署”是指部署在 Azure OpenAI 资源中的模型终结点。

“请求”是指对部署的 API 调用。


“最大可用分钟数”是指在一个适用期间内,客户在 Azure OpenAI 资源中部署指定“部署”的总分钟数。

“停机时间”是指在最大可用分钟数内,部署不可用的总分钟数。如果在某一分钟内,向部署发出的请求中有 0.01% 以上返回错误代码,则认为在这一分钟内此部署不可用。如果在某一分钟内未向部署发送请求,则认为在这一分钟内此部署 100% 可用。

“正常服务时间百分比”计算公式如下所示:

图片

服务额度:

图片

首先,微软强调用户的数据永远是用户的,不会利用这些数据进行训练或者提供给OpenAI。

图片

来源微软官网:

Data, privacy, and security for Azure OpenAI Service - Azure AI services | Microsoft Learn

里面提到:

您的提示(输入)和完成(输出)、您的嵌入和您的训练数据:

不提供给其他客户。

OpenAI 无法使用。

不用于改进 OpenAI 模型。

不用于改进任何 Microsoft 或第三方产品或服务。

不会用于自动改进 Azure OpenAI 模型以供您在资源中使用(模型是无状态的,除非您使用训练数据明确微调模型)。

经过微调的 Azure OpenAI 模型仅供您使用。

Azure OpenAI 服务完全由 Microsoft 控制;Microsoft 在 Microsoft 的 Azure 环境中托管 OpenAI 模型,并且该服务不会与 OpenAI 运营的任何服务(例如 ChatGPT 或 OpenAI API)交互。

Azure OpenAI 服务处理哪些数据?

Azure OpenAI 处理以下类型的数据:

提示和生成的内容。提示由用户提交,内容由服务通过完成、聊天完成、图像和嵌入操作生成。

提示中包含增强数据。使用“基于您的数据”功能时,服务会从配置的数据存储中检索相关数据,并增强提示以生成以您的数据为基础的生成。

训练和验证数据。您可以提供由提示完成对组成的自己的训练数据,以便对OpenAI 模型进行微调。

Azure OpenAI 服务如何处理数据?

下图说明了您的数据是如何处理的。该图涵盖了三种不同类型的处理:

1.Azure OpenAI 服务如何处理您的提示以生成内容(包括何时使用 Azure OpenAI 将来自连接的数据源的其他数据添加到您的数据的提示中)。

2.Azure OpenAI 服务如何使用您的训练数据创建微调(自定义)模型。

3.Azure OpenAI 服务和 Microsoft 人员如何分析提示、完成和图像中是否存在有害内容以及暗示以违反行为准则或其他适用产品条款的方式使用该服务的模式。

图片

生成完成、图像或嵌入

部署在您的资源中的模型(基础或微调)处理您的输入提示并生成带有文本、图像或嵌入的响应。

提示和响应在客户指定的地理位置内处理,但可能会出于运营目的(包括性能和容量管理)在地理位置内的区域之间进行处理。该服务配置为实时同步评估提示和完成数据以检查有害内容类型并停止生成超过配置阈值的内容。在Azure OpenAI 服务内容过滤中了解更多信息。

这些模型是无状态的:模型中不存储任何提示或代数。此外,提示和代数不用于训练、重新训练或改进基础模型。

使用从数据源检索的数据增强提示,以“巩固”生成的结果

Azure OpenAI 的“基于您的数据”功能可让您连接数据源,以便将生成的结果与您的数据结合起来。数据仍存储在您指定的数据源和位置中。

没有数据被复制到 Azure OpenAI 服务中。收到用户提示时,服务会从连接的数据源检索相关数据并增强提示。模型处理此增强提示,并按上述方式返回生成的内容。

图片

如上图所示,管理客户可以申请修改滥用监控。

使用您的数据创建定制(微调)模型:

客户可以将其训练数据上传到服务以微调模型。上传的训练数据存储在客户 Azure 租户中的 Azure OpenAI 资源中。训练数据和微调模型:

-仅供客户使用。

-与 Azure OpenAI 资源存储在同一区域内。

-可以在静态时进行双重加密(默认使用 Microsoft 的 AES-256 加密,也可以选择使用客户管理的密钥)。

-客户可以随时删除。

为微调而上传的训练数据不会用于训练、重新训练或改进任何 Microsoft 或第三方基础模型。

防止滥用和有害内容的产生

为了降低 Azure OpenAI 服务被恶意使用的风险,Azure OpenAI 服务同时包含内容过滤和滥用监控功能。要了解有关内容过滤的更多信息,请参阅 Azure OpenAI 服务内容过滤。要了解有关滥用监控的更多信息,请参阅滥用监控。

内容过滤与服务处理提示以生成内容同步进行,如上所述和此处所述。内容分类器模型中不会存储任何提示或生成的结果,也不会使用提示和结果来训练、重新训练或改进分类器模型。

Azure OpenAI 滥用监控可检测并缓解重复出现的内容和/或行为,这些内容和/或行为暗示以可能违反行为准则或其他适用产品条款的方式使用该服务。

为了检测和缓解滥用,Azure OpenAI 会将所有提示和生成的内容安全地存储长达三十 (30) 天。(如果客户获得批准并选择关闭滥用监控,则不会存储任何提示或完成内容,如下所述。)

存储提示和完成的数据存储在逻辑上按客户资源分隔(每个请求都包含客户的 Azure OpenAI 资源的资源 ID)。

每个提供 Azure OpenAI 服务的区域都有一个单独的数据存储,客户的提示和生成的内容存储在客户部署 Azure OpenAI 服务资源的 Azure 区域中,在 Azure OpenAI 服务边界内。

评估潜在滥用的人工审核人员只有在滥用监控系统标记该数据时才能访问提示和完成数据。人工审核人员是经过授权的 Microsoft 员工,他们使用请求 ID、安全访问工作站 (SAW) 和团队经理授予的即时 (JIT) 请求批准通过逐点查询访问数据。

对于部署在欧洲经济区的 Azure OpenAI 服务,经过授权的 Microsoft 员工位于欧洲经济区。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/435039.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android OpenGLES2.0开发(一):艰难的开始

生而为人,本质上,都是孤独的! 引言 我一直觉得OpenGL ES是一块硬骨头,每次用到GLSurfaceView作为Camera的预览视图时,总是去网上找现成的代码。CtrlC和CtrlV之后总有一种沾沾自喜的感觉,但是你要让我改里面…

计算机基础知识

计算机的组成部件 CPU CPU 由运算器和控制器组成,在下面的冯诺依曼体系中,我直接将控制器和运算器直接合并一起来说,也就是CPU,所以你可能在一些书籍上看到冯诺依曼体系是由五大部件构成的,其中CPU 就包含了两大部件…

docker 部署 Seatunnel 和 Seatunnel Web

docker 部署 Seatunnel 和 Seatunnel Web 说明: 部署方式前置条件,已经在宿主机上运行成功运行文件采用挂载宿主机目录的方式部署SeaTunnel Engine 采用的是混合模式集群 编写Dockerfile并打包镜像 Seatunnel FROM openjdk:8 WORKDIR /opt/seatunne…

提示词工程 (Prompt Engineering) 最佳实践

prompt Engineering 概念解析 提示工程是一门较新的学科,关注提示词开发和优化,帮助用户将大语言模型(Large Language Model, LLM)用于各场景和研究领域。研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力&#xf…

深度学习之入门书籍

自学深度学习,书籍很重要。 从我个人来说,我不太习惯英译版本,或者那些牛人说的,直接读英文,我是水平不够。只讲自己的经验。牛人绕道。 推荐书籍: 深度学习:从入门到精通,这本书不错。把基础的深度学习的…

傅里叶变换(对称美)

傅里叶变换(对称美) 冲浪时发现的有趣文章,学习自https://zhuanlan.zhihu.com/p/718139299 摘下来的内容: 傅里叶变换之所以“怪美的嘞”,根本在于它有一种内在的对称性,这一点在上面的图并没有表现出来…

【Golang】关于Go语言字符串转换strconv

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,…

【操作系统】三、内存管理:2.虚拟内存管理(虚拟内存特:局部性原理、请求分页管理方式、页面置换算法)

七、虚拟内存管理 文章目录 七、虚拟内存管理1.常规存储器特征1.1一次性1.2驻留性 2.虚拟内存特征2.1局部性原理2.2多次性2.3对换性2.4虚拟性2.5虚拟存储器的容量 3.虚拟内存的实现❗3.1缺页率3.2请求分页(请求页表)3.2.1页表机制❗3.2.2缺页中断机构3.2…

猝发传输和非猝发传输

猝发传输和非猝发传输是两种不同的数据传输方式,主要区别在于数据传输的连续性以及数据包的发送方式。 猝发传输 (Burst Transmission): 定义: 猝发传输是指在一段时间内,大量数据包集中发送,然后在一段时间内没有数据传输,这种…

Facebook公共主页bug问题解决措施清单

在使用Facebook的过程中,许多用户可能会遇到一些让人困扰的BUG,这些问题往往会让人感到无奈。为了帮助大家更好地应对这些情况,本文将总结一些常见的BUG以及对应的解决方案,主要集中在公共主页的相关问题。如果感兴趣就请读下去吧…

uniapp 使用Vue3 setup引入 uniapp 的onReachBottom

在page.json中加入**“onReachBottonDistance”: 50**,这是距离底部多少开始触发 然后再对应的页面通过import将uniapp的api引入进去 dcloudio/uni-app是不用单独下载的,直接用就行 import {onReachBottom,} from dcloudio/uni-app;然后直接使用就好

【ArcGIS Pro实操第三期】多模式道路网构建(Multi-model road network construction)原理及实操案例

ArcGIS Pro实操第三期:多模式道路网构建原理及实操案例 1 概述1.1 原理 2 GIS实操2.1 新建文件并导入数据2.2 创建网络数据集2.3 设置连接策略(Setting up connectivity policies)2.4 添加成本(Adding cost attributes&#xff09…

【C++报错已解决】std::ios_base::sync_with_stdio

🎬 鸽芷咕:个人主页 🔥 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 专栏介绍 在软件开发和日常使用中,BUG是不可避免的。本专栏致力于为广大开发者和技术爱好者提供一个关于BUG解决的经…

java项目之作业管理系统设计与实现源码(springboot)

风定落花生,歌声逐流水,大家好我是风歌,混迹在java圈的辛苦码农。今天要和大家聊的是一款基于springboot的作业管理系统设计与实现源码。项目源码以及部署相关请联系风歌,文末附上联系信息 。 项目简介: 作业管理系统…

引入的pyside2后 Lib\site-packages\PySide2中没有pyside2-uic.exe

只有uic.exe 没有pyside2-uic.exe 去Scripts目录下查看就能找到

Unity实战案例全解析:RTS游戏的框选和阵型功能(1) 基础要素

本案例来源于unity唐老狮,有兴趣的小伙伴可以去泰克在线观看该课程 【唐老狮】Unity实现 即时战略游戏 阵型功能 - 泰课在线 -- 志存高远,稳如泰山 - 国内专业的在线学习平台|Unity3d培训|Unity教程|Unity教程 Unreal 虚幻 AR|移动开发|美术CG - Powered…

架构师:消息队列的技术指南

1、简述 消息队列(Message Queue, MQ)是一种异步通信机制,允许系统的各个组件通过消息在彼此之间进行通信。消息队列通过解耦系统组件、缓冲高峰期请求和提高系统的可扩展性,成为分布式系统中不可或缺的一部分。 2、工作原理 消息队列的基本工作原理是生产者将消息发布到…

Wed前端--HTML基础

目录 一、开发工具 二、HTML文档结构 2.1头部head 2.1.1title标记 2.1.2元信息meta标记 具体实例 ​编辑 一、开发工具 最基础的开发工具是:HBuilder 二、HTML文档结构 HTML文档由头部head和主体body组成 头部head标记中可以定义标题样式,头部信…

初始C++模板

1.泛型编程 1.1什么事泛型编程 在学习C语言时,我们时常会有这样的烦恼: 在针对每一种不同的类型变量进行函数传参或者是运算处理时,我们总是编写不同的函数或者是进行不同的处理,才能达到目的,这时,我们…

(undone) 阅读 MapReduce 论文笔记

参考:https://pdos.csail.mit.edu/6.824/papers/mapreduce.pdf 摘要:简单介绍了 MapReduce 是在大型分布式系统上工作的 Introduction 的内容总结: 1.介绍背景:为什么我们需要分布式系统?MapReduce 的意义是哪些 2.简…