Documentación / ML Studio
Privacidad y sandbox de ML
La frontera de datos de ML Studio. Qué se queda en tu equipo, qué ven los agentes, quién desenmascara y qué pasa antes de entrenar fuera.
En esta página
En ML Studio hay dos públicos distintos y Yuli los separa: tus modelos locales y tú, que trabajan con los datos reales, y los agentes externos, que solo ven lo que pasa por la frontera de datos.
Tu código vive en tu equipo; con un modelo local nada sale; con modelos en la nube, lo que se envía pasa antes por el enmascarado de secretos y datos personales.
Qué se queda en tu equipo
Todo ML Studio corre en local:
| Actividad | Dónde ocurre |
|---|---|
| Importar y perfilar datos | En tu equipo. |
| Entrenar y evaluar | En el worker de ML de tu equipo. |
| Servir el modelo | En 127.0.0.1, solo escucha en tu máquina. |
| LLM local y RAG (Conocimiento) | En tu equipo, con embeddings propios sin red. |
No hay servidores de Yuli entre tú y tu IA. La única excepción es la que tú eliges de forma explícita: entrenar en una máquina remota (ver abajo).
La frontera de datos
Los agentes externos (Claude Code, Codex, agentes ACP o un modelo en la nube detrás del chat) envían a su proveedor lo que leen. Por eso todo lo que ML Studio les responde pasa por una frontera de datos:
- Las columnas sensibles salen como
•••. - Del texto libre se quitan correos, tarjetas, teléfonos, CURP/RFC e IP.
- Los agregados sí pasan: perfiles, métricas e importancia de variables. Un agente puede razonar «qué variables pesan más» sin ver a un solo cliente.
Ejemplo de lo que ve un agente al pedir una muestra:
cliente_id email curp saldo_prom pedidos_pagados baja
••• ••• ••• 1 840.50 12 0
••• ••• ••• 312.00 2 1Con un modelo en la nube, además, lo que se envía al proveedor pasa por el filtro de egreso: los secretos se reemplazan
por un marcador yuli:secret#N y los datos personales por uno yuli:pii#N, con una etiqueta HMAC por sesión. Solo
se restituyen al escribir en disco. Ver Secretos y privacidad.
Detector de sensibilidad
En Datos › Sensibilidad cada columna recibe una probabilidad, una categoría y un enmascarado sugerido. El detector combina el nombre de la columna, patrones y validadores con dígito de control:
| Validador | Detecta |
|---|---|
| Tarjetas | Números de tarjeta de pago. |
| IBAN | Cuentas bancarias internacionales. |
| CLABE | Cuentas bancarias de México. |
| CPF | Identificación fiscal de Brasil. |
| CURP / RFC | Identificación personal y fiscal de México. |
Quién desenmascara
Solo una persona puede marcar una columna como no sensible. Un agente nunca puede desenmascarar datos para sí mismo, ni siquiera dentro de un equipo de agentes.
Lo que decides tú:
- Marcar como sensible una columna que Yuli no detectó.
- Marcar como no sensible una que se detectó por error.
- Crear una copia enmascarada para compartir el dataset.
Worker sin red por defecto
El proceso que entrena (el worker de ML) no tiene red por defecto:
| Medida | Efecto |
|---|---|
HF_HUB_OFFLINE | Las librerías de Hugging Face no descargan nada. |
PIP_NO_INDEX | pip no instala paquetes desde internet. |
bwrap --unshare-net (Linux) | El proceso corre sin interfaz de red. |
Así, un script de entrenamiento o una dependencia no pueden enviar tus datos a ningún sitio. La red solo se abre si el proyecto lo permite de forma explícita:
# yuli-ml.yaml
policies:
allowNetwork: true # por ejemplo, para descargar una base del catálogoActiva allowNetwork solo mientras lo necesites (descargar una base o una dependencia) y vuelve a false después.
Antes de entrenar fuera
Entrenar en una máquina remota (SSH o nube) es la única vía por la que los datos de ML salen de tu equipo, y nunca ocurre sin aviso. Antes de lanzar, Yuli muestra:
«Los datos salen a host: se suben el dataset y el código que el trabajo lee. Al terminar, Yuli trae el modelo, verifica cada archivo y borra los datos allí (salvo que la máquina los conserve).»
Ver también Deep learning y GPU y Seguridad.