文档 / ML Studio
ML 隐私与沙箱
ML Studio 的数据边界。哪些内容留在你的电脑上、智能体能看到什么、谁可以解除脱敏,以及在外部训练之前会发生什么。
本页内容
在 ML Studio 中有两类不同的使用者,Yuli 会把它们分开:你和你的本地模型,使用真实数据工作;以及外部智能体,只能看到经过数据边界的内容。
你的代码保存在你的电脑上;使用本地模型时,任何内容都不会外发;使用云端模型时,发送的内容会先经过机密和个人数据的脱敏处理。
哪些内容留在你的电脑上
整个 ML Studio 都在本地运行:
| 活动 | 在哪里进行 |
|---|---|
| 导入并分析数据 | 在你的电脑上。 |
| 训练和评估 | 在你电脑上的 ML worker 中。 |
| 提供模型服务 | 在 127.0.0.1 上,只监听你的本机。 |
| 本地 LLM 和 RAG(知识) | 在你的电脑上,使用无需联网的自有嵌入向量。 |
在你和你的 AI 之间没有任何 Yuli 服务器。唯一的例外是你明确选择的:在远程机器上训练(见下文)。
数据边界
外部智能体(Claude Code、Codex、ACP 智能体或聊天背后的云端模型)会把它们读取的内容发送给各自的提供商。因此,ML Studio 回复给它们的所有内容都要经过一道数据边界:
- 敏感列 显示为
•••。 - 自由文本中的邮箱、银行卡、电话、CURP/RFC 和 IP 会被移除。
- 聚合数据可以传递:数据概况、指标和特征重要性。智能体可以推断“哪些特征权重最大”,而无需看到任何一个客户。
智能体请求样本时看到的内容示例:
cliente_id email curp saldo_prom pedidos_pagados baja
••• ••• ••• 1 840.50 12 0
••• ••• ••• 312.00 2 1此外,使用云端模型时,发送给提供商的内容会经过外发过滤:机密会被替换为 yuli:secret#N 占位标记,个人数据会被替换为 yuli:pii#N 占位标记,并带有按会话生成的 HMAC 标签。它们只在写入磁盘时才会还原。参见机密与隐私。
敏感度检测器
在 数据 › 敏感度 中,每一列都会得到一个概率、一个类别和一种建议的脱敏方式。检测器结合了列名、模式以及带校验位的验证器:
| 验证器 | 检测内容 |
|---|---|
| 银行卡 | 支付卡号。 |
| IBAN | 国际银行账户。 |
| CLABE | 墨西哥银行账户。 |
| CPF | 巴西税务识别号。 |
| CURP / RFC | 墨西哥个人身份及税务识别号。 |
谁可以解除脱敏
只有人可以将一列标记为非敏感。智能体永远无法为自己解除数据脱敏,即使在智能体团队中也不行。
由你决定的事:
- 标记为敏感:Yuli 未检测到的列。
- 标记为非敏感:被误判的列。
- 创建脱敏副本:用于共享数据集。
Worker 默认不联网
负责训练的进程(ML worker)默认不联网:
| 措施 | 效果 |
|---|---|
HF_HUB_OFFLINE | Hugging Face 的库不会下载任何内容。 |
PIP_NO_INDEX | pip 不会从互联网安装包。 |
bwrap --unshare-net(Linux) | 进程在没有网络接口的情况下运行。 |
这样,训练脚本或依赖项就无法把你的数据发送到任何地方。只有当项目明确允许时,才会开放网络:
# yuli-ml.yaml
policies:
allowNetwork: true # 例如,用于从目录下载基础模型仅在需要时(下载基础模型或依赖项)启用 allowNetwork,用完后改回 false。
在外部训练之前
在远程机器(SSH 或云端)上训练,是 ML 数据离开你电脑的唯一途径,而且绝不会在没有提示的情况下发生。启动前,Yuli 会显示:
“数据将发送到 host:会上传数据集以及任务读取的代码。完成后,Yuli 会取回模型、校验每个文件,并删除那里的数据(除非该机器设置为保留数据)。”