Stvorite LangChain LLM instancu

Implementacija Secure-by-Default arhitekture za web aplikacije koje pokreće AI

Uvod

Kako web aplikacije koje pokreće AI postaju sve prisutnije, potreba za robusnom i sigurnom arhitekturom nikada nije bila hitnija. S porastom napada vođenih umjetnom inteligencijom, ključno je implementirati pristup siguran po zadanim postavkama koji može izdržati potencijalne prijetnje. U ovom ćemo članku istražiti kako kombinirati Percona sigurne baze podataka otvorenog koda s Chainguardovim sigurnim pristupom prema zadanim postavkama i integrirati s LangChainom za web aplikacije koje pokreće AI.

Prijetnje web aplikacijama koje pokreće AI

Web aplikacije koje pokreće AI ranjive su na razne prijetnje, uključujući:

• Trovanje podataka: AI modelima može se manipulirati unosom zlonamjernih podataka, što dovodi do netočnih predviđanja ili odluka.
• Inverzija modela: Napadači mogu zaključiti osjetljive informacije o AI modelu ili njegovim podacima o obuci.
• Adversarial Attacks: AI modeli mogu biti prevareni pažljivo izrađenim unosima koji su dizajnirani da dovedu model u zabludu.

Sigurna prema zadanim postavkama

Kako bismo ublažili te prijetnje, implementirat ćemo arhitekturu sigurna po zadanim postavkama koja kombinira Percona-ine sigurne baze podataka otvorenog koda s Chainguardovim sigurnim po zadanim pristupom i integrira se s LangChainom za web aplikacije koje pokreće AI.

Percona sigurne baze podataka otvorenog koda

Percona nudi niz sigurnih baza podataka otvorenog koda, uključujući Percona Server za MySQL i Percona Server za PostgreSQL. Ove baze podataka pružaju robusne sigurnosne značajke, kao što su:

• Šifriranje: podaci su šifrirani dok miruju i u prijenosu, čime se osigurava da osjetljive informacije ostanu povjerljive.
• Kontrola pristupa: Fina kontrola pristupa omogućuje administratorima da ograniče pristup osjetljivim podacima i osiguraju da samo ovlašteno osoblje može mijenjati ili brisati podatke.
• Revizija: Mogućnosti detaljne revizije pružaju sveobuhvatnu evidenciju svih aktivnosti baze podataka, olakšavajući otkrivanje i reagiranje na sigurnosne incidente.

Chainguardov Secure-by-Default pristup

Chainguard nudi siguran pristup prema zadanim postavkama koji osigurava da su aplikacije izrađene imajući na umu sigurnost od samog početka. Ovaj pristup uključuje:

• Najmanja privilegija: Aplikacije su dizajnirane za rad s najmanjom privilegijom potrebnom za obavljanje svojih funkcija, smanjujući površinu napada.
• Nepromjenjiva infrastruktura: Infrastruktura je dizajnirana da bude nepromjenjiva, što olakšava otkrivanje sigurnosnih incidenata i reagiranje na njih.
• Sigurna konfiguracija: Aplikacije su konfigurirane imajući na umu sigurnost, uključujući sigurne zadane postavke i minimalnu konfiguraciju.

LangChain integracija

LangChain je Python biblioteka koja pruža jednostavan i intuitivan API za izradu web aplikacija koje pokreće AI. Integrirat ćemo LangChain s Percona sigurnim bazama podataka otvorenog koda i Chainguardovim sigurnim pristupom prema zadanim postavkama kako bismo stvorili robusnu i sigurnu arhitekturu.

Primjer koda

Evo jednostavnog primjera koda koji pokazuje kako integrirati LangChain sa Percona sigurnim bazama podataka otvorenog koda i Chainguardovim sigurnim po zadanom pristupom:

uvoz lančain
od langchain import LLM


llm = LLM(
    model_name="davinci:2-large",
    uređaj="cuda",
    max_tokens=1024,
)

# Stvorite vezu s Percona bazom podataka
import mysql.connector
cnx = mysql.connector.connect(
    korisnik='korisničko ime',
    lozinka='lozinka',
    host='127.0.0.1',
    baza podataka='baza podataka'
)

# Stvorite sigurnu konfiguraciju Chainguard
uvoz lanca
cfg = chainguard.Config(
    app_name="moja_aplikacija",
    verzija_aplikacije="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "korisničko ime",
        "DB_PASSWORD": "lozinka",
    },
)

# Koristite LangChain za postavljanje upita bazi podataka
upit = "SELECT * FROM my_table"
rezultat = llm.query(upit, db=cnx, cfg=cfg)

# Ispiši rezultat
ispis (rezultat)

Ovaj primjer koda pokazuje kako stvoriti LangChain LLM instancu, povezati se s Percona bazom podataka i stvoriti Chainguard sigurnu konfiguraciju. Zatim koristi LangChain za postavljanje upita bazi podataka i ispis rezultata.

Top 5-10 najčešće korištenih naredbi/isječaka

Evo 5-10 najčešće korištenih naredbi/isječaka za ovu tehnologiju:

1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - Stvorite instancu LangChain LLM.
2. mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - Stvorite vezu Percona baze podataka.
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"}) - Stvorite sigurnu konfiguraciju Chainguarda.
4. llm.query(query, db=cnx, cfg=cfg) - Koristite LangChain za postavljanje upita bazi podataka.
5. ispis(rezultat) - Ispis rezultata upita.
6. import langchain - Uvoz biblioteke LangChain.
7. import mysql.connector - Uvezite konektor baze podataka Percona.
8. import chainguard - Uvoz biblioteke Chainguard.
9. llm = LLM() - Stvorite LangChain LLM instancu bez navođenja modela.
10. cnx = mysql.connector.connect() - Stvorite vezu Percona baze podataka bez navođenja baze podataka.

Vizualizacija

Evo vizualizacije sigurne po zadanim postavkama arhitekture koja koristi Chart.js:

{
  "tip": "bar",
  "podaci": {
    "oznake": ["Baza podataka Percona", "Chainguard Secure Configuration", "LangChain LLM"],
    "skupovi podataka": [
      {
        "label": "Sigurnosne značajke",
        "podaci": [10, 8, 12],
        "Boja pozadine": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "opcije": {
    "naslov": {
      "display": točno,
      "text": "Sigurna po zadanoj arhitekturi"
    },
    "ljestvice": {
      "yOsi": [
        {
          "kvačice": {
            "beginAtZero": točno
          }
        }
      ]
    }
  }
}

Ova vizualizacija prikazuje sigurnosne značajke Percona sigurnih baza podataka otvorenog koda, Chainguardov pristup siguran po zadanim postavkama i LangChainov LLM.

Zaključak

Implementacija sigurne prema zadanim postavkama za web aplikacije koje pokreće AI ključna je u današnjem okruženju prijetnji. Kombinirajući Percona sigurne baze podataka otvorenog koda s Chainguardovim sigurnim pristupom prema zadanim postavkama i integracijom s LangChainom, možemo stvoriti robusnu i sigurnu arhitekturu koja može izdržati potencijalne napade vođene umjetnom inteligencijom. Ovaj članak pruža praktičan vodič o tome kako implementirati ovu arhitekturu, uključujući primjere koda i vizualizacije.