Зошто самохостираните PII алатки не успеваат на ревизии за усогласеност
GDPR бара доказ. Мора да покажете дека отстранувањето на PII е правено на ист начин секој пат. Ревизорите на DPA го проверуваат ова. Тие сакаат да видат јасен, конзистентен метод применет на сите податоци.
Самохостираниот Presidio има вистински проблем тука. Тоа не е прашање на конфигурација. Тоа е основно ограничување на самохостираните NLP алатки.
Што е отстап на средината?
Самохостираниот Presidio работи во dev, постапување и производство. Секој од овие може да се однесува на различен начин. Така истиот влез може да произведе различни резултати во секој.
Тоа се нарекува отстап на средината. Има четири главни причини.
Отстап на верзијата на моделот
spaCy моделите се верзионирани. Моделот `en_core_web_lg 3.4.4` и `en_core_web_lg 3.5.1` биле тренирани на различни податоци. Исто така користат различни дизајни. Така истиот документ може да даде различни NER резултати со секоја верзија.
Вообичаено поставување изгледа вака:
- Dev: `en_core_web_lg 3.4.4` — инсталиран на почетокот на проектот
- Постапување: `en_core_web_lg 3.5.0` — ажуриран за време на рутинска работа
- Производство: `en_core_web_lg 3.5.1` — ажуриран за време на безбедносна поправка
Тоа се три поставувања. Три верзии на модели. Три различни резултати за откривање. Тестовите поминуваат во постапување. Но производството работи со различен модел. Така јазот останува скриен.
Отстап на верзијата на зависности
spaCy 3.4.x и 3.5.x се разликуваат во тоа kako ги делат реченициte. Таа промена влијае на тоа kako се наоѓаат имиња близу до прекини на реченици. Овие промени се во белешките за издавање на spaCy. Но повеќето тимови не ги проверуваат за влијание на PII.
Отстап на конфигурацијата
Праговите на оценки поставени во dev може да не се пренесат во производство. Прилагодените листи со зборови исто така може да се разликуваат меѓу поставувањата. Овие јазови се вообичаени. Ретко се следат. Погледнете го нашиот водич за усогласеност со GDPR за тоа што бараат ревизорите.
Разлики во хардверот
Математиката во NLP моделите не е идентична на сите CPU и GPU. Потрошувачки лаптоп и сервер може да дадат малку различни резултати на оценки. Така некои имиња може да се најдат на една машина, но не на друга.
Вистинско откривање при ревизија
Банка го тестирала своето самохостирано поставување на Presidio.
Тест поставување: Presidio со spaCy 3.4.4 на кластерот за постапување. Живо поставување: Presidio со spaCy 3.5.1 на производствениот кластер.
Ги пуштиле истите документи низ двете. Потоа ги споредиле резултатите. Откривањето: 3% од документите имале различни резултати за отстранување на PII. Некои имиња биле фатени во постапување, но не и во производство. Некои имале различни откривани текстуални опсези.
Откривањето при ревизија bilo директно: "Фирмата не може да покаже конзистентна употреба на технички мерки за отстранување на PII поради специфични за поставувањето разлики во излезот за откривање."
GDPR член 32 бара соодветни технички мерки. Правилата на EDPB за отстранување на PII бараат конзистентност и повторливост. Стапка од 3% на 100.000 документи месечно значи 3.000 документи со неконзистентни резултати секој месец. Некои се лажни негативи. PII кое постапувањето би го фатило останува во живиот излез. Тоа е неуспех за усогласеност.
Банката потоа преминала на управуван SaaS. Откривањето при ревизија bilo затворено. Погледнете ја нашата страница за безбедност и усогласеност za тоа kako управуваните поставувања го решаваат ова.
Зошто управуваните услуги се различни
Управуваната услуга работи со една верзија на моторот. Сите корисници работат со иста верзија во исто време. Ажурирањата на моделите се применуваат од едно место. Конфигурацијата исто така се управува од едно место, со целосен дневник за промени. Хардверот на корисникот не влијае на резултатите.
Така истиот документ обработен денес дава ист резултат следниот месец. Ако верзијата на моторот се сменила, таа промена е логирана и верзионирана.
Разликата во ревизорската патека е клучна.
Ревизорска патека на самохостирање:
- "Користен Presidio 2.2.35 со spaCy `en_core_web_lg 3.5.1` на Ubuntu 22.04."
- Дали ова biti истата верзија kako во постапувањето? Непознато.
- Дали моделот се сменил откако овој документ бил обработен? Непознато освен ако не е следено.
- Дали прагот на оценки е ист kako во тестирањето? Зависи од управувањето со конфигурацијата.
Ревизорска патека на управувана услуга:
- "Користен anonym.legal API, верзија на мотор 4.22.1, во 2025-03-15T14:22:31Z."
- Иста верзија за сите корисници? Да.
- Дали се сменила? Верзиите на моторот се закачени. Верзија 4.22.1 секогаш значи ист мотор.
- Дали конфигурацијата е повторлива? Да. ID на пресетот е логиран. Конфигурацијата на таа верзија може да се преземе.
Управуваната патека е јасна. Самохостираната патека бара внимателно следење кое повеќето тимови го прескокнуваат.
Kako да се подобри конзистентноста на самохостирањето
Ако самохостирањето е потребно, можете да го намалите отстапот со четири чекори.
Прво, закачете верзии на моделот. Заклучете точни верзии на моделот во сите датотеки за распоредување. Блокирајте автоматски ажурирања. Следете ги верзиите во контрола на изворниот код.
Следно, замрзнете слики на контејнери. Градете Docker слики со точни верзии на модели впечатени. Означете секоја слика со верзијата на моделот, верзијата на Presidio и датумот. Не ажурирајте базни слики без прво тестирање.
Исто така, чувајте ја конфигурацијата во код. Складирајте ги сите поставки на Presidio во датотеки следени во контрола на верзии. Ова вклучува детектори, прагови на оценки и активни јазици. Распоредувајте ја конфигурацијата со апликацијата.
Конечно, тестирајте низ поставувања. По секое ажурирање, пуштете фиксен сет на тест документи низ новото поставување. Споредете ги резултатите со зачувана референца. Автоматизирајте ја оваа проверка. Погледнете го ЧПП за вообичаени прашања за автоматизирано регресивно тестирање на PII.
Овие чекори помагаат. Но исто така додаваат работа. Управуваната услуга ја дава истата конзистентност без дополнителниот напор.
Суштината
Конзистентното отстранување на PII не се pojавува на листовите за производи. Но станува критично кога ревизорите бараат докази.
Без активна грижа, самохостираните PII алатки отстапуваат. Промените во верзиите додаваат тивки јазови. Тие јазови се pojавуваат kako откривања при ревизија.
Управуваните услуги обезбедуваат конзистентност стандардно. Моторот работи од едно место. Поставувањата на корисниците не влијаат на резултатите. За тимовите насочени кон усогласеност, ова е директна предност.