Hogyan használjuk az Azure AI Search-t és a Purview-t: A biztonságos RAG teljes útmutatója érzékeny címkék figyelembevételével

Bevezetés

A modern adatkezelés és keresés területén különösen fontos egy érzékeny címkéket figyelembe vevő biztonságos RAG (Retrieval-Augmented Generation) rendszer kiépítése. A RAG képes ötvözni a keresés és a generálás előnyeit, hogy a felhasználóknak pontosabb válaszokat és információkat nyújtson. Ebben a cikkben lépésről lépésre bemutatjuk, hogyan építhet fel egy érzékeny címkéket figyelembe vevő biztonságos RAG rendszert az Azure AI Search és a Purview segítségével.

Előfeltételek

A kezdés előtt győződjön meg arról, hogy rendelkezik a következőkkel:

Azure fiók: Szüksége van egy érvényes Azure fiókra az Azure AI Search és az Azure Purview eléréséhez.

Alapvető Azure szolgáltatások ismerete: Alapvető ismeretek az Azure-ról, beleértve az erőforráscsoportok és szolgáltatások létrehozását.

Programozási alapok: A cikkben található példák egy része alapvető Python vagy PowerShell programozási ismereteket igényelhet.

Részletes lépések

Első lépés: Azure AI Search szolgáltatás létrehozása

Jelentkezzen be az Azure portálra.

Kattintson a bal oldali menüben a "Forrás létrehozása" lehetőségre.

A keresőmezőbe írja be az "Azure keresés" kifejezést, válassza az "Azure Cognitive Search" lehetőséget, majd kattintson a "Létrehozás" gombra.

Töltse ki a szükséges információkat, például a nevet, az előfizetést, az erőforráscsoportot és a helyet, majd kattintson a "Felülvizsgálat + létrehozás" gombra.

Ellenőrizze, hogy az információk helyesek-e, majd kattintson a "Létrehozás" gombra.

Az Azure AI Search szolgáltatás létrehozása után a portálon megtalálhatja a kapcsolódó szolgáltatási információkat

Második lépés: Azure Purview fiók létrehozása

Jelentkezzen be az Azure portálra.

Kattintson a "Forrás létrehozása" lehetőségre.

A keresőmezőbe írja be a "Purview" kifejezést, majd válassza az "Azure Purview" lehetőséget.

Töltse ki a szükséges információkat, például a fiók nevét, az előfizetést, az erőforráscsoportot és a régiót, majd kattintson a "Felülvizsgálat + létrehozás" gombra.

Várja meg, amíg az erőforrás telepítése befejeződik.

A Purview szolgáltatás segíthet az adatok osztályozásának és érzékeny címkéinek kezelésében

Harmadik lépés: Adatforrás és érzékeny címkék konfigurálása

Az Azure Purview portálon kattintson az "Adatforrások" lehetőségre.

Válassza az "Adatforrás hozzáadása" lehetőséget, töltse ki a szükséges információkat, és csatlakozzon az adatforrásához.

Konfigurálja az adatvizsgálatot. Választhat automatikus vagy manuális vizsgálatot.

Az adatklasszifikációban testreszabhatja az érzékeny címkéket, például: személyes adatok, pénzügyi információk, bizalmas adatok stb.

A Purview segítségével könnyedén kezelheti az adatok érzékeny címkéit

Negyedik lépés: Azure AI Search integrálása

Hozzon létre egy új indexet, konfigurálja az indexet az Azure keresési szolgáltatásban REST API vagy SDK segítségével.

Az Azure portálon hozzon létre egy indexet, az index konfigurálásához határozza meg a mezőket, adat típusokat stb.

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

Használja az SDK-t az adatok betöltésére a keresési indexbe.

Ötödik lépés: RAG kéréskezelési logika kiépítése

Hozzon létre egy API felületet Azure Functions vagy alkalmazás szolgáltatások segítségével, amely fogadja a felhasználói lekérdezési kéréseket.

A felületen valósítsa meg az érzékeny címkék ellenőrzésének logikáját.

import requests
def querysearch(query): # Itt valósítsa meg az érzékeny címkék ellenőrzését, és a vizsgálati eredmények alapján lépjen kapcsolatba a keresési API-val response = requests.get(f"?q={query}") return response.json() 

Hatodik lépés: A feldolgozott válasz visszaadása

A lekérdezés feldolgozása után szerezze be az információt a keresési indexből, és adja vissza a felhasználónak, miközben biztosítja, hogy a kimeneti tartalom ne szivárogjon ki érzékeny információkat.

def processresponse(response):
results = response.get('value', []) # A keresési eredmények feldolgozása, érzékeny információk kiszűrése return results 

Gyakran Ismételt Kérdések

Hogyan biztosítható az adatok biztonsága?

- Az Azure Purview érzékeny címke kezelési funkciójának használatával biztosíthatja az érzékeny információk szigorú ellenőrzését.

Hogyan kezeljük a felhasználói lekérdezésekben található érzékeny információkat?

- A lekérdezési logikában valósítsa meg az érzékeny címkék ellenőrzési mechanizmusát, és a címkék alapján végezzen megfelelő kezelést, például bizonyos adatok elrejtését.

Milyen típusú adatforrásokat lehet használni?

- Az Azure Purview számos adatforrást támogat, beleértve az Azure Blob Storage-t, SQL adatbázisokat stb.

Összegzés

Bár egy érzékeny címkéket figyelembe vevő biztonságos RAG rendszer kiépítése bizonyos technikai alapokat igényel, a fent említett lépések követésével hatékony és biztonságos információkereső rendszert hozhat létre az Azure AI Search és a Purview segítségével. A hatékony adatkezelés és érzékeny címkék ellenőrzése révén biztosíthatja, hogy a kezelt információk mindig biztonságosak és megfelelnek a szabályozásoknak. Reméljük, hogy a cikk útmutatása segíteni fog Önnek!