Datos, privacidad y seguridad para el uso de modelos mediante el Catálogo de modelos

En este artículo se proporcionan detalles sobre cómo se procesan, usan y almacenan los datos que se proporcionan al implementar modelos desde el catálogo de modelos. Consulte también el Anexo de Protección de Datos de Productos y Servicios de Microsoft, que rige el procesamiento de datos por servicios de Azure.

¿Qué datos se procesan para los modelos implementados en Azure Machine Learning?

Al implementar modelos en Azure Machine Learning, el servicio procesa los siguientes tipos de datos para proporcionar el servicio:

• Indicaciones y contenido generado Envía mensajes y el modelo genera contenido (salida) a través de las operaciones que admite. Las solicitudes pueden incluir contenido que agregue a través de la generación aumentada de recuperación (RAG), metaprompts u otra funcionalidad incluida en una aplicación.

• Datos cargados. Para los modelos que admiten el ajuste fino, puede cargar sus datos en el almacén de datos de Azure Machine Learning para usarlos en el ajuste.

Generación de resultados de inferencia con cómputo gestionado

Al desplegar modelos en computación administrada, se despliegan los pesos de los modelos en máquinas virtuales dedicadas y se expone una API REST para la inferencia en tiempo real. Para obtener más información, consulte desplegar modelos desde el catálogo de modelos a computación gestionada. Usted administra la infraestructura de estas computaciones gestionadas, y se aplican los compromisos de datos, privacidad y seguridad de Azure. Para obtener más información, consulte Azure ofertas de cumplimiento aplicables a Azure Machine Learning.

Aunque se examinan los contenedores de "Modelos vendidos directamente por Azure" para detectar vulnerabilidades que podrían filtrar datos, no todos los modelos disponibles a través del catálogo de modelos se examinan. Para reducir el riesgo de filtración de datos, puede proteger la implementación mediante redes virtuales. Para más información, consulte el catálogo de modelos de aislamiento de red. También puede usar Azure Policy para regular los modelos que los usuarios pueden implementar.

Generación de salidas de inferencia con implementaciones estándar

Al implementar un modelo desde el catálogo de modelos (base o optimizado) como una implementación estándar para la inferencia, se obtiene una API que proporciona acceso al modelo hospedado y administrado por el servicio Azure Machine Learning. Para obtener más información, vea Models-as-a-Service. El modelo procesa tus solicitudes de entrada y genera salidas basadas en su funcionalidad, tal como se describe en los detalles proporcionados del modelo. Aunque el proveedor de modelos proporciona el modelo y el uso del modelo (y la responsabilidad del proveedor de modelos para el modelo y sus salidas) está sujeto a los términos de licencia proporcionados con el modelo, Microsoft proporciona y administra la infraestructura de hospedaje y el punto de conexión de API. Los modelos hospedados en Modelos como servicio están sujetos a los compromisos de seguridad, privacidad y datos de Azure. Para obtener más información sobre las ofertas de cumplimiento de Azure aplicables a Azure Machine Learning, consulte here.

Microsoft actúa como procesador de datos para solicitudes y salidas enviadas y generadas por un modelo implementado para la implementación estándar. Microsoft no comparte estas solicitudes y salidas con el proveedor de modelos, y Microsoft no usa estas indicaciones y salidas para entrenar o mejorar las Microsoft, el proveedor de modelos o los modelos de terceros. Los modelos no tienen estado y no se almacenan mensajes ni salidas en el modelo. Si el filtrado de contenido (versión preliminar) está habilitado, el servicio Seguridad del contenido de Azure AI muestra mensajes y salidas para determinadas categorías de contenido perjudicial en tiempo real. Para obtener más información, consulte cómo Seguridad del contenido de Azure AI procesa los datos here. Las solicitudes y salidas se procesan dentro de la geografía especificada durante la implementación, pero pueden procesarse entre regiones dentro de la geografía con fines operativos (incluida la administración de rendimiento y capacidad).

Como se explica durante el proceso de implementación de Models como servicio, Microsoft podría compartir información de contacto del cliente y detalles de transacción (incluido el volumen de uso asociado a la oferta) con el publicador del modelo para que puedan ponerse en contacto con los clientes con respecto al modelo. Para obtener más información sobre la información disponible para los publicadores de modelos, consulte este vínculo.

Ajuste de un modelo con implementaciones estándar (Modelos como servicio)

Si un modelo disponible para la implementación estándar admite el ajuste preciso, puede cargar datos en (o designar datos ya en) un Azure Machine Learning Almacén de datos para ajustar el modelo. A continuación, puede crear una implementación estándar para el modelo ajustado. No puede descargar el modelo ajustado, pero el modelo optimizado:

• Está disponible exclusivamente para su uso;

• Puede estar doblemente cifrado en reposo (de forma predeterminada con el cifrado AES-256 de Microsoft y, opcionalmente, con una clave administrada por el cliente).

• Puede ser eliminado por usted en cualquier momento.

Los datos de entrenamiento cargados para el ajuste fino no se usan para entrenar, volver a entrenar ni mejorar ningún modelo de Microsoft o de terceros, excepto según lo indicado por usted dentro del servicio.

Procesamiento de datos para modelos descargados

Si descarga un modelo del catálogo de modelos, elige dónde implementar el modelo y es responsable de cómo se procesan los datos cuando se usa el modelo.

Pasos siguientes

• Información general del catálogo de modelos