Kwa Nini Zana za PII Zinazojiendesha Zinashindwa Ukaguzi wa Utiifu
GDPR inahitaji uthibitisho. Lazima uonyeshe kwamba kuondolewa kwa PII kulifanywa kwa njia sawa kila wakati. Wakaguzi wa DPA huangalia hili. Wanataka kuona njia wazi, thabiti iliyotumiwa katika data yote.
Presidio inayojiendesha ina tatizo halisi hapa. Si suala la usanidi. Ni kikwazo cha msingi cha zana za NLP zinazojiendesha.
Mgeuko wa Mazingira ni Nini?
Presidio inayojiendesha inafanya kazi katika maendeleo, maandalizi, na uzalishaji. Kila moja ya hizi inaweza kutenda tofauti. Kwa hivyo ingizo sawa linaweza kuzalisha matokeo tofauti katika kila moja.
Hii inaitwa mgeuko wa mazingira. Ina sababu kuu nne.
Mgeuko wa Toleo la Muundo
Miundo ya spaCy ina matoleo. Muundo en_core_web_lg 3.4.4 na en_core_web_lg 3.5.1 vilifunzwa kwenye data tofauti. Pia hutumia miundo tofauti. Kwa hivyo hati sawa inaweza kutoa matokeo tofauti ya NER na kila toleo.
Usanidi wa kawaida unaonekana kama hii:
- Maendeleo:
en_core_web_lg 3.4.4-- iliyosakinishwa wakati wa kuanza mradi - Maandalizi:
en_core_web_lg 3.5.0-- ilisasishwa wakati wa kazi ya kawaida - Uzalishaji:
en_core_web_lg 3.5.1-- ilisasishwa wakati wa kiraka cha usalama
Hiyo ni usanidi tatu. Matoleo matatu ya muundo. Matokeo matatu tofauti ya ugunduzi. Majaribio yanapita katika maandalizi. Lakini uzalishaji unaendesha muundo tofauti. Kwa hivyo pengo linabaki likiwa limefichwa.
Mgeuko wa Toleo la Utegemezi
spaCy 3.4.x na 3.5.x hutofautiana katika jinsi inavyogawanya sentensi. Mabadiliko hayo yanaathiri jinsi majina yanavyopatikana karibu na mipaka ya sentensi. Mabadiliko haya yako katika maelezo ya toleo la spaCy. Lakini timu nyingi haziangalii kwa athari ya PII.
Mgeuko wa Usanidi
Vizingiti vya alama vilivyowekwa katika maendeleo huenda visihamie uzalishaji. Orodha maalum za maneno pia zinaweza kutofautiana kati ya usanidi. Mapengo haya ni ya kawaida. Mara chache hufuatiliwa. Angalia mwongozo wetu wa utiifu wa GDPR kwa kile wakaguzi wanatafuta.
Tofauti za Maunzi
Hesabu katika miundo ya NLP si sawa kote kwa CPU na GPU zote. Kompyuta ya mteja wa kawaida na seva zinaweza kutoa matokeo tofauti kidogo ya alama. Kwa hivyo baadhi ya majina yanaweza kupatikana kwenye mashine moja lakini si nyingine.
Matokeo Halisi ya Ukaguzi
Benki ilitest usanidi wao wa Presidio unaojiendesha.
Usanidi wa jaribio: Presidio na spaCy 3.4.4 kwenye nguzo ya maandalizi. Usanidi wa moja kwa moja: Presidio na spaCy 3.5.1 kwenye nguzo ya uzalishaji.
Waliendeshea seti sawa ya hati kupitia zote mbili. Kisha walilinganisha matokeo. Matokeo: 3% ya hati zilikuwa na matokeo tofauti ya kuondolewa kwa PII. Baadhi ya majina yaligunduliwa katika maandalizi lakini si uzalishaji. Baadhi yalikuwa na vipande tofauti vya maandishi vilivyogunduliwa.
Matokeo ya ukaguzi yalikuwa wazi: "Kampuni haiwezi kuonyesha matumizi thabiti ya hatua za kiufundi za kuondolewa kwa PII kwa sababu ya tofauti mahususi za usanidi kwenye pato la ugunduzi."
Kifungu cha 32 cha GDPR kinahitaji hatua sahihi za kiufundi. Kanuni za EDPB kuhusu kuondolewa kwa PII zinahitaji uthabiti na uwezo wa kurudiwa. Kiwango cha 3% kwenye hati 100,000 kwa mwezi kunamaanisha hati 3,000 zenye matokeo yasiyothabiti kila mwezi. Baadhi ni matokeo ya uongo hasi. PII ambayo maandalizi yangeikamata inabaki kwenye pato la moja kwa moja. Hiyo ni kushindwa kwa utiifu.
Benki kisha ilihamia SaaS inayosimamiwa. Matokeo ya ukaguzi yalifungwa. Angalia ukurasa wetu wa usalama na utiifu kwa jinsi usanidi unaosimamiwa unavyoshughulikia hili.
Kwa Nini Huduma Zinazosimamia Ni Tofauti
Huduma inayosimamiwa inaendesha toleo moja la injini. Watumiaji wote wanaendesha toleo hilo hilo kwa wakati mmoja. Masasisho ya muundo yanatekelezwa kutoka mahali pamoja. Usanidi pia unasimamwa kutoka mahali pamoja, na kumbukumbu kamili ya mabadiliko. Maunzi ya mtumiaji haiathiri matokeo.
Kwa hivyo hati ile ile iliyosindikwa leo inatoa matokeo yale yale mwezi ujao. Toleo la injini likiwa limebadilika, mabadiliko hayo yameandikwa na kuwa na toleo.
Tofauti ya nyaraka za ukaguzi ni muhimu.
Nyaraka za ukaguzi zinazojiendesha:
- "Ilitumia Presidio 2.2.35 na spaCy
en_core_web_lg 3.5.1kwenye Ubuntu 22.04." - Je, hili lilikuwa toleo hilo hilo kama katika maandalizi? Haijulikani.
- Je, muundo umebadilika tangu hati hii ilisindikwa? Haijulikani isipokuwa imefuatiliwa.
- Je, kizingiti cha alama ni sawa kama katika majaribio? Inategemea usimamizi wa usanidi.
Nyaraka za ukaguzi za huduma inayosimamiwa:
- "Ilitumia API ya anonym.legal, toleo la injini 4.22.1, tarehe 2025-03-15T14:22:31Z."
- Toleo hilo hilo kwa watumiaji wote? Ndiyo.
- Je, imebadilika? Matoleo ya injini yamefungwa. Toleo 4.22.1 daima linamaanisha injini ile ile.
- Je, usanidi unaweza kurudiwa? Ndiyo. Kitambulisho cha mpangilio kinaandikwa. Usanidi katika toleo hilo unaweza kupatikana.
Nyaraka inayosimamiwa ni wazi. Nyaraka inayojiendesha inahitaji ufuatiliaji makini ambao timu nyingi huepuka.
Jinsi ya Kuboresha Uthabiti wa Kujiendesha
Kujiendesha kunapohitajika, unaweza kupunguza mgeuko kwa hatua nne.
Kwanza, funga matoleo ya muundo. Funga matoleo mahususi ya muundo katika faili zote za upelekaji. Zuia masasisho ya kiotomatiki. Fuatilia matoleo kwenye udhibiti wa chanzo.
Ifuatayo, ganda picha za kontena. Jenga picha za Docker zenye matoleo mahususi ya muundo yaliyojengwa ndani. Weka kila picha na toleo la muundo, toleo la Presidio, na tarehe. Usisasishe picha za msingi bila kujaribu kwanza.
Pia, hifadhi usanidi katika msimbo. Hifadhi mipangilio yote ya Presidio katika faili zinazofuatiliwa kwenye udhibiti wa toleo. Hii inajumuisha wachunguzi, vizingiti vya alama, na lugha zinazotumika. Peleka usanidi na programu.
Hatimaye, jaribu kote ya usanidi. Baada ya sasisho lolote, endesha seti ya hati ya jaribio iliyofungwa kupitia usanidi mpya. Linganisha matokeo na kumbukumbu iliyohifadhiwa. Weka ukaguzi huu wa kiotomatiki. Angalia Maswali Yanayoulizwa Mara kwa Mara kwa maswali ya kawaida kuhusu majaribio ya kurudi nyuma ya PII ya kiotomatiki.
Hatua hizi husaidia. Lakini pia zinaongeza kazi. Huduma inayosimamiwa hutoa uthabiti huo huo bila juhudi ya ziada.
Mstari wa Chini
Kuondolewa kwa PII thabiti haionekani kwenye karatasi za bidhaa. Lakini inakuwa muhimu wakati wakaguzi wanaomba ushahidi.
Bila utunzaji wa kazi, zana za PII zinazojiendesha zina mgeuko. Mabadiliko ya toleo huongeza mapengo ya kimya. Mapengo hayo yanaonekana kama matokeo ya ukaguzi.
Huduma zinazosimamia hutoa uthabiti chaguo-msingi. Injini inafanya kazi kutoka mahali pamoja. Usanidi wa mtumiaji hauathiri matokeo. Kwa timu zinazozingatia utiifu, hii ni faida ya moja kwa moja.