LangChain LLM nümunəsi yaradın | B4N1

LangChain LLM nümunəsi yaradın

3 months ago · b4n1 Read time: 4 min

** Süni intellektlə işləyən Veb Tətbiqləri üçün Defolt Təhlükəsiz Arxitekturanın Tətbiqi**

Giriş

Süni intellektlə işləyən veb tətbiqləri getdikcə daha çox yayıldıqca, möhkəm və təhlükəsiz arxitekturaya ehtiyac heç vaxt bu qədər aktual olmayıb. Süni intellektə əsaslanan hücumların artması ilə potensial təhdidlərə tab gətirə bilən təhlükəsiz-defolt yanaşmanın tətbiqi vacibdir. Bu yazıda biz Perconanın təhlükəsiz açıq mənbəli verilənlər bazalarını Chainguard-ın defolt üzrə təhlükəsiz yanaşması ilə necə birləşdirəcəyimizi və süni intellektlə işləyən veb tətbiqləri üçün LangChain ilə necə inteqrasiya edəcəyimizi araşdıracağıq.

AI ilə işləyən veb proqramlar üçün təhlükələr

Süni intellektlə işləyən veb proqramlar müxtəlif təhlükələrə qarşı həssasdır, o cümlədən:

  • Məlumatların Zəhərlənməsi: Süni intellekt modelləri onlara zərərli məlumatlar verməklə manipulyasiya edilə bilər ki, bu da yanlış proqnozlara və ya qərarlara gətirib çıxarır.
  • Modelin İnversiyasi: Hücumçular AI modeli və ya onun təlim məlumatları haqqında həssas məlumat əldə edə bilər.
  • ** Rəqib Hücumları**: AI modelləri modeli çaşdırmaq üçün hazırlanmış diqqətlə hazırlanmış girişlərlə aldadıla bilər.

Defolt üzrə Təhlükəsiz Arxitektura

Bu təhdidləri azaltmaq üçün biz Percona-nın təhlükəsiz açıq mənbə verilənlər bazalarını Chainguard-ın defolt üzrə təhlükəsiz yanaşması ilə birləşdirən və süni intellektlə işləyən veb proqramlar üçün LangChain ilə inteqrasiya edən standart üzrə təhlükəsiz arxitektura tətbiq edəcəyik.

Perconanın Təhlükəsiz Açıq Mənbəli Verilənlər Bazaları

Percona, MySQL üçün Percona Server və PostgreSQL üçün Percona Server daxil olmaqla bir sıra təhlükəsiz açıq mənbəli verilənlər bazası təklif edir. Bu verilənlər bazaları güclü təhlükəsizlik xüsusiyyətlərini təmin edir, məsələn:

  • Şifrələmə: Məlumat istirahət və tranzit zamanı şifrələnir və həssas məlumatın məxfi qalmasını təmin edir.
  • Giriş Nəzarəti: İncə dənəli giriş nəzarəti administratorlara həssas məlumatlara girişi məhdudlaşdırmağa və yalnız səlahiyyətli personalın məlumatları dəyişdirə və ya silə bilməsini təmin etməyə imkan verir.
  • Audit: Ətraflı audit imkanları bütün verilənlər bazası fəaliyyətinin hərtərəfli qeydini təmin edərək, təhlükəsizlik insidentlərinin aşkar edilməsini və onlara cavab verməyi asanlaşdırır.

Zəncir Mühafizəsinin Defolt üzrə Təhlükəsiz yanaşması

Chainguard, tətbiqlərin əvvəldən təhlükəsizlik nəzərə alınmaqla qurulmasını təmin edən təhlükəsiz-defolt yanaşma təklif edir. Bu yanaşma daxildir:

  • Ən az imtiyaz: Proqramlar hücum səthini azaldaraq, öz funksiyalarını yerinə yetirmək üçün lazım olan ən az imtiyazla işləmək üçün nəzərdə tutulmuşdur.
  • Dəyişməz İnfrastruktur: İnfrastruktur dəyişməz olmaq üçün nəzərdə tutulmuşdur ki, bu da təhlükəsizlik insidentlərini aşkar etməyi və onlara cavab verməyi asanlaşdırır.
  • Təhlükəsiz Konfiqurasiya: Tətbiqlər təhlükəsiz defoltlar və minimal konfiqurasiya daxil olmaqla, təhlükəsizlik nəzərə alınmaqla konfiqurasiya edilir.

LangChain İnteqrasiyası

LangChain, süni intellektlə işləyən veb proqramlar yaratmaq üçün sadə və intuitiv API təmin edən Python kitabxanasıdır. Biz LangChain-i Percona-nın təhlükəsiz açıq mənbəli verilənlər bazası və Chainguard-ın defolt üzrə təhlükəsiz yanaşması ilə birləşdirəcəyik ki, möhkəm və təhlükəsiz arxitektura yaradılsın.

Kod nümunəsi

LangChain-in Percona-nın təhlükəsiz açıq mənbə verilənlər bazası və Chainguard-ın defolt üzrə təhlükəsiz yanaşması ilə necə inteqrasiya olunacağını nümayiş etdirən sadə kod nümunəsi:

idxal langchain
langchain idxal LLM-dən


llm = LLM(
    model_name="davinci:2-böyük",
    cihaz = "cuda",
    max_tokens=1024,
)

# Percona verilənlər bazası bağlantısı yaradın
mysql.connector idxal edin
cnx = mysql.connector.connect(
    user='istifadəçi adı',
    parol = 'parol',
    host='127.0.0.1',
    verilənlər bazası = 'verilənlər bazası'
)

# Zəncir qoruyucusu təhlükəsiz konfiqurasiya yaradın
idxal zənciri
cfg = chainguard.Config(
    app_name="mənim_tətbiqim",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "istifadəçi adı",
        "DB_PASSWORD": "parol",
    },
)

# Verilənlər bazasını sorğulamaq üçün LangChain istifadə edin
query = "Cədvəldən * SEÇİN"
nəticə = llm.query(sorğu, db=cnx, cfg=cfg)

# Nəticəni çap edin
çap (nəticə)

Bu kod nümunəsi LangChain LLM nümunəsini necə yaratmağı, Percona verilənlər bazasına qoşulmağı və Chainguard təhlükəsiz konfiqurasiyasını necə yaratmağı nümayiş etdirir. Daha sonra verilənlər bazasını sorğulamaq və nəticəni çap etmək üçün LangChain istifadə edir.

Ən çox istifadə edilən 5-10 əmr/parça

Bu texnologiya üçün ən çox istifadə edilən 5-10 əmr/parçalar bunlardır:

  1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - LangChain LLM nümunəsi yaradın.
  2. mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - Percona verilənlər bazası bağlantısı yaradın.
  3. chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "username", "DB_PASSWORD": "password"}) - Chainguard təhlükəsiz konfiqurasiyası yaradın.
  4. llm.query(query, db=cnx, cfg=cfg) - Verilənlər bazasını sorğulamaq üçün LangChain-dən istifadə edin.
  5. print(nəticə) - Sorğunun nəticəsini çap edin.
  6. import langchain - LangChain kitabxanasını idxal edin.
  7. import mysql.connector - Percona verilənlər bazası konnektorunu idxal edin.
  8. import chainguard - Chainguard kitabxanasını idxal edin.
  9. llm = LLM() - Model göstərmədən LangChain LLM nümunəsi yaradın.
  10. cnx = mysql.connector.connect() - Verilənlər bazasını göstərmədən Percona verilənlər bazası bağlantısı yaradın.

Vizuallaşdırma

Budur, Chart.js istifadə edərək defolt üzrə təhlükəsiz arxitekturanın vizuallaşdırılması:

{
  "növ": "bar",
  "data": {
    "etiketlər": ["Percona Database", "Chainguard Secure Configuration", "LangChain LLM"],
    "verilənlər dəsti": [
      {
        "label": "Təhlükəsizlik Xüsusiyyətləri",
        "data": [10, 8, 12],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "seçimlər": {
    "başlıq": {
      "ekran": doğru,
      "text": "Secure-by-Defolt Architecture"
    },
    "tərəzi": {
      "yAxes": [
        {
          "gənə": {
            "beginAtZero": doğrudur
          }
        }
      ]
    }
  }
}

Bu vizuallaşdırma Perconanın təhlükəsiz açıq mənbəli verilənlər bazalarının, Chainguard-ın defolt üzrə təhlükəsiz yanaşmasının və LangChain-in LLM-nin təhlükəsizlik xüsusiyyətlərini göstərir.

Nəticə

Süni intellektlə işləyən veb proqramlar üçün defolt üzrə təhlükəsiz arxitekturanın tətbiqi bugünkü təhlükə mənzərəsində çox vacibdir. Perconanın təhlükəsiz açıq mənbəli verilənlər bazalarını Chainguard-ın defolt üzrə təhlükəsiz yanaşması ilə birləşdirərək və LangChain ilə inteqrasiya edərək, biz süni intellektlə idarə olunan potensial hücumlara tab gətirə bilən möhkəm və təhlükəsiz arxitektura yarada bilərik. Bu məqalə kod nümunələri və vizuallaşdırmalar daxil olmaqla, bu arxitekturanın necə həyata keçirilməsinə dair praktiki bələdçi təqdim etmişdir.

Have Questions?

Let's Talk

Contact me on LinkedIn