Hur man använder Azure AI Search och Purview: En komplett guide för att bygga ett säkerhetsmedvetet RAG-system med känslighetsetiketter

Inledning

I den moderna datastyrningen och sökfältet har det blivit särskilt viktigt att bygga ett säkerhetsmedvetet RAG (Retrieval-Augmented Generation) system som är känslighetsetikettmedvetet. RAG kan kombinera fördelarna med både hämtning och generering för att ge användarna mer exakta svar och information. I denna artikel kommer vi steg för steg att vägleda dig om hur du bygger ett säkerhetsmedvetet RAG-system med känslighetsetikettfunktioner genom Azure AI Search och Purview.

Förutsättningar

Innan du börjar, se till att du har följande:

Azure-konto: Du behöver ett giltigt Azure-konto för att få tillgång till Azure AI Search och Azure Purview.

Grundläggande förståelse för Azure-tjänster: En grundläggande förståelse för Azure, inklusive hur man skapar resursgrupper och tjänster.

Programmeringsgrund: Vissa exempel i denna artikel kan kräva grundläggande kunskaper i Python eller PowerShell-programmering.

Detaljerade steg

Steg 1: Skapa Azure AI Search-tjänst

Logga in på Azure-portalen.

Klicka på "Skapa resurs" i den vänstra menyn.

Skriv "Azure Search" i sökfältet, välj "Azure Cognitive Search" och klicka på "Skapa".

Fyll i nödvändig information, såsom namn, prenumeration, resursgrupp och plats, och klicka sedan på "Granska + skapa".

Bekräfta att informationen är korrekt och klicka på "Skapa".

Efter att ha skapat Azure AI Search-tjänsten kan du hitta relevant tjänsteinformation i portalen.

Steg 2: Skapa Azure Purview-konto

Logga in på Azure-portalen.

Klicka på "Skapa resurs".

Skriv "Purview" i sökfältet och välj "Azure Purview".

Fyll i nödvändig information, såsom kontonamn, prenumeration, resursgrupp och region, bekräfta och klicka på "Granska + skapa".

Vänta på att resursen ska distribueras.

Purview-tjänsten kan hjälpa dig att hantera klassificering och känslighetsetiketter för data.

Steg 3: Konfigurera datakällor och känslighetsetiketter

I Azure Purview-portalen, klicka på "Datakällor".

Välj "Lägg till datakälla", ange relevant information och anslut till din datakälla.

Konfigurera dataskanning. Du kan välja automatisk skanning eller manuell skanning.

Anpassa känslighetsetiketter i dataklassificeringen, till exempel: personuppgifter, finansiell information, konfidentiell information etc.

Genom Purview kan du enkelt hantera känslighetsetiketter för data.

Steg 4: Integrera Azure AI Search

Skapa ett nytt index och konfigurera indexet i Azure Search-tjänsten via REST API eller SDK.

Skapa index i Azure-portalen genom att definiera fält, datatyper och andra parametrar för att konfigurera indexet.

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

Använd SDK för att ladda data till sökindexet.

Steg 5: Bygg RAG-förfrågningshanteringslogik

Använd Azure Functions eller apptjänster för att skapa ett API-gränssnitt som tar emot användarens förfrågningsbegäran.

Implementera logiken för känslighetsetikettkontroll i detta gränssnitt.

import requests
def querysearch(query): # Implementera känslighetsetikettkontroll här och besök sök-API:et baserat på kontrollresultatet response = requests.get(f"?q={query}") return response.json() 

Steg 6: Återvända med bearbetad respons

Efter att ha bearbetat förfrågan, hämta information från sökindexet och returnera den till användaren, samtidigt som du säkerställer att utdata inte avslöjar någon känslig information.

def processresponse(response):
results = response.get('value', []) # Bearbeta sökresultat, filtrera känslig information return results 

Vanliga frågor

Hur säkerställer jag dataskydd?

- Använd Azure Purviews funktioner för hantering av känslighetsetiketter för att säkerställa strikt kontroll över känslig information.

Hur hanterar jag känslig information i användarförfrågningar?

- Implementera en mekanism för känslighetsetikettkontroll i förfrågningslogiken och vidta åtgärder baserat på etiketten, till exempel att dölja viss data.

Vilka typer av datakällor kan användas?

- Azure Purview stöder flera typer av datakällor, inklusive Azure Blob Storage, SQL-databaser etc.

Sammanfattning

Att bygga ett säkerhetsmedvetet RAG-system med känslighetsetiketter kräver viss teknisk grund, men genom att följa stegen ovan kan du använda Azure AI Search och Purview för att skapa ett effektivt och säkert informationssökningssystem. Genom effektiv datastyrning och kontroll av känslighetsetiketter säkerställs att den information du hanterar alltid förblir säker och i enlighet med regler. Vi hoppas att denna vägledning kan hjälpa dig!