Documentație / ML Studio
Confidențialitate și sandbox ML
Granița de date din ML Studio. Ce rămâne pe calculatorul tău, ce văd agenții, cine demaschează și ce se întâmplă înainte de antrenarea în altă parte.
Pe această pagină
În ML Studio există două categorii distincte de destinatari, iar Yuli le separă: tu și modelele tale locale, care lucrați cu datele reale, și agenții externi, care văd doar ce trece prin granița de date.
Codul tău stă pe calculatorul tău; cu un model local nu iese nimic; cu modele în cloud, ce se trimite trece mai întâi prin mascarea secretelor și a datelor personale.
Ce rămâne pe calculatorul tău
Tot ML Studio rulează local:
| Activitate | Unde are loc |
|---|---|
| Importul și profilarea datelor | Pe calculatorul tău. |
| Antrenarea și evaluarea | În workerul ML de pe calculatorul tău. |
| Servirea modelului | Pe 127.0.0.1, ascultă doar pe calculatorul tău. |
| LLM local și RAG (Cunoaștere) | Pe calculatorul tău, cu embeddings proprii, fără rețea. |
Nu există servere Yuli între tine și IA ta. Singura excepție este cea pe care o alegi explicit: antrenarea pe un calculator la distanță (vezi mai jos).
Granița de date
Agenții externi (Claude Code, Codex, agenți ACP sau un model în cloud din spatele chatului) trimit furnizorului lor ce citesc. De aceea, tot ce le răspunde ML Studio trece printr-o graniță de date:
- Coloanele sensibile ies ca
•••. - Din textul liber se elimină adresele de e-mail, cardurile, telefoanele, CURP/RFC și adresele IP.
- Agregatele trec: profiluri, metrici și importanța variabilelor. Un agent poate raționa despre „ce variabile contează cel mai mult” fără să vadă vreun client.
Exemplu de ce vede un agent când cere un eșantion:
cliente_id email curp saldo_prom pedidos_pagados baja
••• ••• ••• 1 840.50 12 0
••• ••• ••• 312.00 2 1În plus, cu un model în cloud, ce se trimite furnizorului trece prin filtrul de ieșire: secretele sunt înlocuite cu un
marcaj yuli:secret#N, iar datele personale cu unul yuli:pii#N, cu o etichetă HMAC pe sesiune. Sunt restituite doar
la scrierea pe disc. Vezi Secrete și confidențialitate.
Detectorul de sensibilitate
În Date › Sensibilitate, fiecare coloană primește o probabilitate, o categorie și o mascare sugerată. Detectorul combină numele coloanei, tipare și validatori cu cifră de control:
| Validator | Detectează |
|---|---|
| Carduri | Numere de carduri de plată. |
| IBAN | Conturi bancare internaționale. |
| CLABE | Conturi bancare din Mexic. |
| CPF | Identificare fiscală din Brazilia. |
| CURP / RFC | Identificare personală și fiscală din Mexic. |
Cine demaschează
Doar o persoană poate marca o coloană ca nesensibilă. Un agent nu poate niciodată să demascheze date pentru el însuși, nici măcar în cadrul unei echipe de agenți.
Ce decizi tu:
- Marchează ca sensibilă o coloană pe care Yuli nu a detectat-o.
- Marchează ca nesensibilă una detectată din greșeală.
- Creează o copie mascată ca să partajezi setul de date.
Worker fără rețea implicit
Procesul care antrenează (workerul ML) nu are rețea implicit:
| Măsură | Efect |
|---|---|
HF_HUB_OFFLINE | Bibliotecile Hugging Face nu descarcă nimic. |
PIP_NO_INDEX | pip nu instalează pachete de pe internet. |
bwrap --unshare-net (Linux) | Procesul rulează fără interfață de rețea. |
Astfel, un script de antrenare sau o dependență nu îți pot trimite datele nicăieri. Rețeaua se deschide doar dacă proiectul o permite explicit:
# yuli-ml.yaml
policies:
allowNetwork: true # de exemplu, pentru a descărca un model de bază din catalogActivează allowNetwork doar cât timp ai nevoie (pentru a descărca un model de bază sau o dependență) și revino apoi
la false.
Înainte de antrenarea în altă parte
Antrenarea pe un calculator la distanță (SSH sau cloud) este singura cale prin care datele ML ies de pe calculatorul tău și nu se întâmplă niciodată fără avertisment. Înainte de lansare, Yuli afișează:
„Datele ies către host: se încarcă setul de date și codul pe care îl citește lucrarea. La final, Yuli aduce modelul, verifică fiecare fișier și șterge datele de acolo (cu excepția cazului în care mașina le păstrează).”
Vezi și Deep learning și GPU și Securitate.