Miks isehostitud PII tööriistad ebaõnnestuvad vastavusauditites
GDPR nõuab tõendeid. Peate näitama, et PII eemaldamine toimus igal korral samamoodi. DPA audiitorid kontrollivad seda. Nad tahavad näha selget, järjepidevat meetodit, mida kasutatakse kõikide andmete puhul.
Isehostitud Presidiol on siin tõeline probleem. See ei ole konfiguratsiooniviga. See on isehostitud NLP tööriistade põhipiirang.
Mis on keskkonna drift?
Isehostitud Presidio töötab arendus-, lavastus- ja tootmiskeskkonnas. Igaüks neist võib käituda erinevalt. Nii saab sama sisend anda igaühes erinevaid tulemusi.
Seda nimetatakse keskkonna driftiks. Sellel on neli peamist põhjust.
Mudeli versiooni drift
spaCy mudelid on versioonistatud. Mudel en_core_web_lg 3.4.4 ja en_core_web_lg 3.5.1 treeniti erinevatel andmetel. Nad kasutavad ka erinevaid kujundusi. Nii saab sama dokument anda erinevaid NER tulemusi iga versiooniga.
Tavaline seadistus näeb välja nii:
- Arendus:
en_core_web_lg 3.4.4- installitud projekti alguses - Lavastus:
en_core_web_lg 3.5.0- uuendatud rutiinse töö käigus - Tootmine:
en_core_web_lg 3.5.1- uuendatud turvapaiga käigus
See on kolm seadistust. Kolm mudeli versiooni. Kolm erinevat tuvastuse tulemust. Testid läbivad lavastuse. Kuid tootmine käitab erinevat mudelit. Nii jääb lõhe peitusse.
Sõltuvuse versiooni drift
spaCy 3.4.x ja 3.5.x erinevad selle poolest, kuidas nad lauseid jagavad. See muutus mõjutab nimede leidmist lausepiiri lähedal. Need muutused on spaCy väljalaskemärkustes. Kuid enamik meeskondi ei kontrolli neid PII mõju suhtes.
Konfiguratsiooni drift
Arenduses seatud skoorilävedad ei pruugi tootmisesse üle kanda. Kohandatud sõnaloendid võivad samuti seadistuste vahel erineda. Need lüngad on tavalised. Neid jälgitakse harva. Vaadake meie GDPR vastavusjuhendit selle kohta, mida audiitorid otsivad.
Riistvara erinevused
Matemaatika NLP mudelites ei ole kõigil protsessoritel ja graafikakaartidel identne. Tarbijaarvuti ja server võivad anda veidi erinevaid skooritulemusi. Nii võidakse mõned nimed ühel masinal leida, kuid mitte teisel.
Tegelik auditi leid
Üks pank testis oma isehostitud Presidio seadistust.
Testimise seadistus: Presidio spaCy 3.4.4-ga lavastusklastril. Elav seadistus: Presidio spaCy 3.5.1-ga tootmisklastril.
Nad käitasid sama dokumendikomplekti läbi mõlema. Siis võrreldi tulemusi. Leid: 3% dokumentidest had erinevaid PII eemaldamise tulemusi. Mõned nimed tabati lavastuses, kuid mitte tootmises. Mõnedel olid erinevad tuvastatud teksti lõigud.
Auditi leid oli otsekohene: "Ettevõte ei suuda näidata PII eemaldamise tehniliste meetmete järjepidevat kasutamist seadistuspõhiste erinevuste tõttu tuvastuse väljundis."
GDPR artikkel 32 nõuab nõuetekohaseid tehnilisi meetmeid. EDPB eeskirjad PII eemaldamise kohta nõuavad järjepidevust ja korratavust. 3% määr 100 000 dokumendist kuus tähendab 3 000 dokumenti ebajärjepideva tulemusega kuus. Mõned on vale negatiivsed. PII, mida lavastus tabaks, jääb elavas väljundis. See on vastavuse ebaõnnestumine.
Pank läks seejärel hallatud SaaS-ile üle. Auditi leid suleti. Vaadake meie turva- ja vastavuse lehte selle kohta, kuidas hallatud seadistused seda käsitlevad.
Miks hallatud teenused on erinevad
Hallatud teenus käitab ühte mootori versiooni. Kõik kasutajad käitavad sama versiooni samal ajal. Mudeli uuendused rakendatakse ühest kohast. Konfiguratsioon hallatakse samuti ühest kohast, täieliku muudatuste logiga. Kasutaja riistvara ei mõjuta tulemusi.
Nii annab sama dokument täna töödelduna sama tulemuse järgmisel kuul. Kui mootori versioon muutus, on see muutus logitud ja versioonistatud.
Audit-raja erinevus on võtmetähtsusega.
Isehostitud audit-rada:
- "Kasutati Presidio 2.2.35 spaCy
en_core_web_lg 3.5.1-ga Ubuntu 22.04-l." - Kas see oli sama versioon kui lavastuses? Teadmata.
- Kas mudel on muutunud pärast selle dokumendi töötlemist? Teadmata, välja arvatud juhul, kui jälgiti.
- Kas skoorlävi on sama mis testimisel? See sõltub konfiguratsiooni haldusest.
Hallatud teenuse audit-rada:
- "Kasutati anonym.legal API-t, mootori versioon 4.22.1, 2025-03-15T14:22:31Z."
- Sama versioon kõigile kasutajatele? Jah.
- Kas see on muutunud? Mootori versioonid on fikseeritud. Versioon 4.22.1 tähendab alati sama mootorit.
- Kas konfiguratsioon on korratav? Jah. Eelseadistuse ID on logitud. Konfiguratsiooni selle versiooni juures saab taastada.
Hallatud rada on selge. Isehostitud rada nõuab hoolikat jälgimist, mida enamik meeskondi vahele jätab.
Kuidas parandada isehostitud järjepidevust
Kui isehosting on nõutud, saate drifti vähendada nelja sammuga.
Esiteks, fikseeri mudeli versioonid. Lukustage täpsed mudeli versioonid kõikides juurutamisfailides. Blokeerige automaatsed uuendused. Jälgige versioone lähtekoodi kontrolli all.
Järgmiseks, külmuta konteineri pildid. Ehitage Dockeri pildid täpsete mudeli versioonidega sisse küpsetatud. Märgistage iga pilt mudeli versiooni, Presidio versiooni ja kuupäevaga. Ärge uuendage baaspilte ilma eelneva testimiseta.
Samuti, hoidke konfiguratsioon koodis. Salvestage kõik Presidio seadistused versioonikontrolli all olevates failides. See hõlmab detektoreid, skoorilävesid ja aktiivseid keeli. Juurutage konfiguratsioon koos rakendusega.
Lõpuks, testige erinevates seadistustes. Pärast mis tahes uuendust käitage fikseeritud testdokumendid läbi uue seadistuse. Võrrelge tulemusi salvestatud viitega. Automatiseerige see kontroll. Vaadake KKK-d tavaliste küsimuste kohta automatiseeritud PII regressioonitestimise kohta.
Need sammud aitavad. Kuid nad lisavad ka tööd. Hallatud teenus annab sama järjepidevuse ilma lisapingutuseta.
Kokkuvote
Järjepidev PII eemaldamine ei ilmu tootekirjeldustel. Kuid see muutub kriitiliseks, kui audiitorid nõuavad tõendeid.
Ilma aktiivse hoolduseta triivib isehostitud PII tööriistad. Versioonimuutused lisavad vaikseid lünki. Need lüngad ilmuvad auditi leidudena.
Hallatud teenused pakuvad järjepidevust vaikimisi. Mootor töötab ühest kohast. Kasutaja seadistused ei mõjuta tulemusi. Vastavusele fokuseeritud meeskondade jaoks on see otsene eelis.