Անձնական տվյալը հեռացրեք մինչև ԱԲ հարցումը․ միայն դիմակավորումը բավարար չէ

10 հոկտեմբերի, 2026 թ., 20:00|Հեղինակ: QUASA-ի խմբագրական թիմ|5 րոպե ընթերցանություն| 1

Արտաքին ԱԲ API հարցումից առաջ անձնական տվյալները հեռացրեք ձեր վերահսկած միջավայրում։ Նախ հայտնաբերեք նույնացնող հատվածները, դրանք փոխարինեք կայուն տեղապահերով, ապա ստուգեք՝ մնացած համատեքստը դեռ կարո՞ղ է մատնանշել մարդուն։ Եթե կարող է, հարցումը տեղում վերաձևակերպեք կամ ամբողջ խնդիրը լուծեք տեղային համակարգով։

Այս հերթականությունը պահպանում է հարցման օգտակար կապերը՝ առանց անունը, հասցեն կամ փաստաթղթի համարը արտաքին մոդելին փոխանցելու։ Միայն արժեքը ծածկելը բավարար չէ, երբ պաշտոնը, բնակավայրը և դեպքի նկարագրությունը միասին նույնացնում են հաճախորդին։ Նույն ստուգումը տարածեք կցորդներից քաղված տեքստի, համակարգի ավելացրած համատեքստի և գործիքային կանչերի վրա։

Սահմանեք՝ որ տվյալն է հատում վստահության սահմանը

Հարցումը դասակարգեք մինչև հայտնաբերիչ ընտրելը։ Ուղղակի նույնացուցիչների խմբում դրեք անունը, հեռախոսահամարը, էլեկտրոնային հասցեն, բնակության հասցեն և փաստաթղթի համարը։ Առանձին նշեք համատեքստային ինքնությունը՝ փոքր թիմում եզակի պաշտոն, կոնկրետ դեպքի վայր կամ ընտանեկան կապ։ Դրանց հայտնաբերումը պահանջում է ամբողջ նախադասության իմաստը հասկանալ, քանի որ առանձին բառը կարող է անվնաս լինել։

Գաղտնաբառերը, API բանալիները և մուտքի նշանները առանձնացրեք որպես գաղտնիքներ, իսկ պայմանագրի ներքին բովանդակությունն ու սեփականատիրական կոդը՝ որպես կազմակերպության ակտիվներ։ Այստեղ անձի անունը տեղապահով փոխարինելը չի պաշտպանում մնացած բովանդակությունը։ Եթե առաջադրանքը կարելի է լուծել տեղային կանոնով կամ տեղային մոդելով, հում տեքստն ու պատասխանը պահեք նույն վստահության սահմանի ներսում։

Սահմանը կարևոր է նաև հայտնաբերման փուլում։ Ամպային հայտնաբերիչին հում հարցում ուղարկելը ինքնին տվյալների փոխանցում է, նույնիսկ եթե հետագա ԱԲ հարցումը մաքուր է։ Ուստի այն թիմը, որի պահանջն է, որ հաճախորդի տվյալը մնա սեփական միջավայրում, պետք է հայտնաբերումը, վերաձևակերպումը և տեղապահերի քարտեզը գործարկի տեղում։

Կառուցեք հարցման նախամշակման հոսքը

AWS-ի Amazon Comprehend API ուղեցույցը ցույց է տալիս տարբերությունը․ ContainsPiiEntities-ը վերադարձնում է հայտնաբերված տեսակների պիտակները, իսկ DetectPiiEntities-ը՝ նաև դրանց սկզբի և ավարտի դիրքերը։ Այդ դիրքերով միջնորդ շերտը կարող է կազմել մաքրված հարցում, բայց իրական ժամանակի API-ն ինքնուրույն պատրաստի տեղապահերով տեքստ չի վերադարձնում։ Ուղեցույցում նշված լեզուներն անգլերենն ու իսպաներենն են, հետևաբար հայերեն տեքստի հայտնաբերումը պետք է լուծել առանձին, հայերենով ստուգված բաղադրիչով։

Հավաքեք արտաքին մոդելին հասնելու ամբողջ տեքստը, ներառյալ օգտատիրոջ հաղորդագրությունը, կցորդներից քաղված բովանդակությունը և հավելվածի ավելացրած գրառումները։ Դասակարգեք հատվածները ըստ անձնական տվյալների, գաղտնիքների և սեփականատիրական նյութի։
Կիրառեք ձևաչափային կանոններ ու անունների և հասցեների տեղային ճանաչիչ։ Համընկնող հատվածները միավորեք, ապա փոխարինեք ամբողջ արժեքը, որպեսզի հասցեի կամ փաստաթղթի վերջնամասը պատահմամբ չմնա հարցման մեջ։
Կրկնվող արժեքին տվեք նույն տեղապահը տվյալ հարցման շրջանակում, օրինակ՝ PERSON_1։ Այդպես մոդելը կարող է հասկանալ, որ մի քանի նախադասությունում խոսքը նույն անձի մասին է, առանց նրա անունը տեսնելու։
Կարդացեք վերջնական ելքային տեքստը որպես ամբողջություն։ Եթե մնացած հանգամանքները դեռ նույնացնում են մարդուն կամ կարևոր գաղտնիք են բացում, ընդհանրացրեք հարցը կամ այն ուղղորդեք տեղային մշակման։

Եթե այս հոսքը կառուցում եք AWS ծառայություններով, Lambda-ն կարող է գործել որպես հարցումն ընդունող միջնորդ, իսկ Comprehend-ի պատասխանը՝ որպես հայտնաբերման մուտք միայն այն լեզուների ու փոխանցման պայմանների համար, որոնք համապատասխանում են ձեր պահանջներին։ AWS-ի S3 Object Lambda-ի հասանելիության ծանուցումը նշում է, որ այդ ծառայությունը 2025 թվականի նոյեմբերի 7-ից հասանելի է միայն գործող հաճախորդներին և ընտրված գործընկերներին. նոր հոսքի համար այն առաջարկում է Lambda-ի անմիջական կանչ կամ մշակում հաճախորդի հավելվածում։

Ստուգեք, թե ինչ է բացահայտում մնացած պատմությունը

Տեղապահերը հեռացնում են հայտնաբերված արժեքները, սակայն հարաբերությունները և հազվադեպ հանգամանքները կարող են պահպանվել։ Պայմանական օրինակ՝ «մարզային մասնաճյուղի միակ հաշվապահը, որի բողոքը վերաբերում է երեկվա միջադեպին» արտահայտությունը կարող է ճանաչելի մնալ նույնիսկ PERSON_1 նշիչով։ Եթե մոդելին պետք է միայն բողոքին պատասխանելու ձևակերպումը, թողեք հաճախորդի դերն ու խնդրի տեսակը, իսկ եզակի պաշտոնը և ճշգրիտ միջադեպը ընդհանրացրեք։

LLM-Redactor-ի հետազոտությունում 1300 սինթետիկ հարցման 4014 զգայուն հատվածով գնահատվել են ութ մոտեցումներ. տեղային ուղղորդման, հեռացման և վերաձևակերպման համադրությունը տվել է PII-ի 0,6% համակցված արտահոսք և 500 PII նմուշում զրո ճշգրիտ արժեքի արտահոսք։ Բայց նույն աշխատանքի համատեքստային ինքնության առանձին՝ 20 նմուշից կազմված գնահատման մեջ հեռացումն ու վերաձևակերպումը չեն վերացրել ճանաչելիության վտանգը. հեղինակների չափած իմաստային արտահոսքը մնացել է առնվազն 95%։ Այդ հավաքածուն սինթետիկ է, իսկ ճանաչիչը նախատեսված է անգլերենի համար, ուստի թվերը հայերեն հարցումների անվտանգության երաշխիք չեն։

Վերաձևակերպման չափանիշը խնդրի լուծման համար անհրաժեշտ տեղեկությունն է։ Վճարման ուշացման մասին պատասխան կազմելիս մոդելին կարող են պետք գալ ուշացման պատճառը, պահանջվող տոնը և պայմանավորվածության ընդհանուր տեսակը։ Հաճախորդի ամբողջ նամակագրությունը կամ ճշգրիտ հասցեն այդ նպատակի համար սովորաբար ավելորդ է։ Եթե եզակի հանգամանքը հենց հարցի առանցքն է, այն մի հեռացրեք այնպես, որ պատասխանը կորցնի իմաստը. այդ դասի հարցումը մշակեք տեղում։

Տեղապահերի քարտեզը պահեք միայն վերահսկվող կողմում

Տեղապահի և իրական արժեքի համապատասխանեցումը կապեք մեկ հարցման հետ և պահեք ձեր համակարգի հիշողության մեջ մինչև պատասխանի մշակումը։ Այն մի կցեք արտաքին հարցման մետատվյալներին և մի գրեք գործիքների մատյաններում կամ սխալների հաղորդագրություններում։ Եթե աշխատանքային ընթացքը պահանջում է երկար պահպանում, առանձին որոշեք մուտքի իրավունքները, գաղտնագրումը և ջնջման ժամկետը. սովորական հարցման համար կարճատև քարտեզն ավելի նեղ արտահոսքի մակերես է թողնում։

Պատասխանն ստանալուց հետո վերականգնեք միայն տվյալ հարցման քարտեզում ճշգրիտ գոյություն ունեցող նշիչները և միայն այն վերջնական ալիքում, որտեղ իրական արժեքը պետք է երևա։ Մոդելի փոխած կամ հորինած նշիչը մի կապեք արժեքի հետ գուշակությամբ։ Եթե պատասխանը կրկին ուղարկվում է այլ գործիքի կամ մոդելի, վերականգնումից հետո այն նորից զգայուն մուտք է. նույն սկզբունքը գործում է նաև հարցումների հիշողության և մատյանների համար։

Փորձարկեք հայերեն տվյալներն ու պատասխանի օգտակարությունը

Կազմեք նշագրված փորձնական հավաքածու ձեր սպասվող հարցումների տեսակներով և հորինված անձնական արժեքներով։ Ներառեք հայերեն անունների հոլովված ձևեր, անուն ու ազգանուն տարբեր հերթականությամբ, Երևանի և մարզերի հասցեների բնական գրություններ, հեռախոսահամարների տարբեր ձևաչափեր և փաստաթղթային դաշտերի նշումներ։ Ավելացրեք հայերեն ու լատինատառ խառը տեքստ, պատճենված աղյուսակներ և նկարից ճանաչված աղավաղված տողեր, քանի որ իրական մուտքը միշտ հարթ նախադասություն չէ։

Յուրաքանչյուր նմուշում առանձին նշեք ուղղակի նույնացուցիչը, համատեքստային հուշումը, գաղտնիքը և սեփականատիրական հատվածը։ Ստուգեք ոչ միայն հայտնաբերման ճշգրտությունը, այլև արտաքին ուղարկվող վերջնական տեքստը և ստացվող պատասխանի օգտակարությունը։ Եթե մաքրումը բաց է թողնում ճանաչելի համադրություն, ուղղեք ճանաչիչը կամ հարցումը պահեք տեղում. եթե այն հեռացնում է խնդրի համար անհրաժեշտ փաստը, վերաձևակերպեք այնպես, որ մոդելը ստանա առաջադրանքը, բայց ոչ հաճախորդի ինքնությունը։

Կարդացեք նաև:

Կիսվել: