Hvordan man bruger Azure AI Search og Purview: En komplet guide til at bygge et sikkerhedsfokuseret RAG med følsomhedsetiketter

Introduktion

I moderne datastyring og søgefeltet er det blevet særligt vigtigt at bygge et sikkerhedsfokuseret RAG (Retrieval-Augmented Generation) system, der er følsomhedsetiketteret. RAG kan kombinere fordelene ved både retrieval og generation for at give brugerne mere præcise svar og information. I denne artikel vil vi trin for trin guide dig i, hvordan du bygger et sikkerhedsfokuseret RAG system med følsomhedsetiketter ved hjælp af Azure AI Search og Purview.

Forudsætninger

Før du begynder, skal du sikre dig, at du har følgende:

Azure-konto: Du har brug for en gyldig Azure-konto for at få adgang til Azure AI Search og Azure Purview.

Forståelse af grundlæggende Azure-tjenester: Grundlæggende kendskab til Azure, herunder hvordan man opretter ressourcegrupper og tjenester.

Programmeringsgrundlag: Nogle af eksemplerne i denne artikel kan kræve grundlæggende Python- eller PowerShell-programmeringskendskab.

Detaljerede trin

Trin 1: Opret Azure AI Search-tjeneste

Log ind på Azure-portalen.

Klik på "Opret ressource" i venstre menu.

Indtast "Azure Search" i søgefeltet, vælg "Azure Cognitive Search", og klik derefter på "Opret".

Udfyld de nødvendige oplysninger, såsom navn, abonnement, ressourcegruppe og placering, og klik derefter på "Gennemse + Opret".

Bekræft, at oplysningerne er korrekte, og klik på "Opret".

Når du har oprettet Azure AI Search-tjenesten, kan du finde de relevante tjenesteoplysninger i portalen.

Trin 2: Opret Azure Purview-konto

Log ind på Azure-portalen.

Klik på "Opret ressource".

Indtast "Purview" i søgefeltet, og vælg derefter "Azure Purview".

Udfyld de nødvendige oplysninger, såsom kontonavn, abonnement, ressourcegruppe og område, og klik derefter på "Gennemse + Opret".

Vent på, at ressourcen er implementeret.

Purview-tjenesten kan hjælpe dig med at administrere klassificering og følsomhedsetiketter for data.

Trin 3: Konfigurer datakilder og følsomhedsetiketter

I Azure Purview-portalen skal du klikke på "Datakilder".

Vælg "Tilføj datakilde", indtast de relevante oplysninger og opret forbindelse til din datakilde.

Konfigurer dataskanning. Du kan vælge automatisk scanning eller manuel scanning.

I dataklassificeringen skal du tilpasse følsomhedsetiketter, såsom: personlige data, finansielle oplysninger, fortrolige data osv.

Gennem Purview kan du nemt administrere følsomhedsetiketter for data.

Trin 4: Integrer Azure AI Search

Opret et nyt indeks, og konfigurer indekset i Azure Search-tjenesten via REST API eller SDK.

Opret indekset i Azure-portalen ved at definere felter, datatyper og andre parametre.

{
"name": "sample-index", "fields": [ {"name": "id", "type": "Edm.String", "key": true, "searchable": true}, {"name": "content", "type": "Edm.String", "searchable": true} ] } 

Brug SDK til at indlæse data i søgeindekset.

Trin 5: Byg RAG-anmodningsbehandlingslogik

Opret et API-interface ved hjælp af Azure Functions eller app-tjenester, der modtager brugerens forespørgsler.

Implementer logikken til kontrol af følsomhedsetiketter i dette interface.

import requests
def querysearch(query): # Implementer kontrol af følsomhedsetiketter her, og få adgang til søge-API'et baseret på kontrolresultatet response = requests.get(f"?q={query}") return response.json() 

Trin 6: Returner den behandlede respons

Efter at have behandlet forespørgslen, skal du hente information fra søgeindekset og returnere den til brugeren, samtidig med at du sikrer, at output ikke afslører nogen følsomme oplysninger.

def processresponse(response):
results = response.get('value', []) # Behandl søgeresultaterne, filtrer følsomme oplysninger return results 

Ofte stillede spørgsmål

Hvordan sikrer man datasikkerhed?

- Brug Azure Purviews funktioner til administration af følsomhedsetiketter for at sikre streng kontrol over følsomme oplysninger.

Hvordan håndterer man følsomme oplysninger i brugerforespørgsler?

- Implementer en mekanisme til kontrol af følsomhedsetiketter i forespørgselslogikken og træf passende foranstaltninger baseret på etiketterne, såsom at skjule visse data.

Hvilke typer datakilder kan bruges?

- Azure Purview understøtter forskellige datakilder, herunder Azure Blob Storage, SQL-databaser osv.

Konklusion

At bygge et sikkerhedsfokuseret RAG-system med følsomhedsetiketter kræver en vis teknisk baggrund, men så længe du følger de ovenstående trin, kan du bruge Azure AI Search og Purview til at skabe et effektivt og sikkert informationssøgesystem. Gennem effektiv datastyring og kontrol af følsomhedsetiketter sikrer du, at de oplysninger, du behandler, altid forbliver sikre og i overensstemmelse med reglerne. Vi håber, at denne vejledning kan hjælpe dig!