צור מופע של LangChain LLM

יישום ארכיטקטורה מאובטחת לפי ברירת מחדל עבור יישומי אינטרנט המופעלים על ידי בינה מלאכותית

מבוא

ככל שיישומי אינטרנט המונעים בינה מלאכותית הופכים נפוצים יותר ויותר, הצורך בארכיטקטורה חזקה ומאובטחת מעולם לא היה דחוף יותר. עם עלייתן של התקפות מונעות בינה מלאכותית, חיוני ליישם גישה מאובטחת כברירת מחדל שיכולה לעמוד בפני איומים פוטנציאליים. במאמר זה, נחקור כיצד לשלב את מסדי הנתונים המאובטחים של Percona בקוד פתוח עם גישת Chainguard מאובטחת על ידי ברירת המחדל ולשלב עם LangChain עבור יישומי אינטרנט המופעלים על ידי בינה מלאכותית.

איומים על יישומי אינטרנט המופעלים על ידי בינה מלאכותית

יישומי אינטרנט המופעלים על ידי בינה מלאכותית חשופים לאיומים שונים, כולל:

• הרעלת נתונים: ניתן לתמרן מודלים של AI על ידי הזנתם בנתונים זדוניים, מה שמוביל לתחזיות או החלטות שגויות.
• היפוך מודל: תוקפים יכולים להסיק מידע רגיש על מודל הבינה המלאכותית או נתוני האימון שלו.
• התקפות יריבות: ניתן לרמות דגמי בינה מלאכותית על ידי כניסות מעוצבות בקפידה שנועדו להטעות את הדגם.

ארכיטקטורה מאובטחת כברירת מחדל

כדי להפחית את האיומים הללו, ניישם ארכיטקטורת מאובטחת-ברירת מחדל המשלבת את מסדי הנתונים המאובטחים של Percona בקוד פתוח עם גישת ה-Security-by-Default של Chainguard ומשתלבת עם LangChain עבור יישומי אינטרנט המופעלים על ידי בינה מלאכותית.

מסדי הנתונים המאובטחים של Percona בקוד פתוח

Percona מציעה מגוון מסדי נתונים מאובטחים בקוד פתוח, כולל Percona Server עבור MySQL ו-Percona Server עבור PostgreSQL. מסדי נתונים אלה מספקים תכונות אבטחה חזקות, כגון:

• הצפנה: הנתונים מוצפנים בזמן מנוחה ובמעבר, מה שמבטיח שמידע רגיש נשאר חסוי.
• בקרת גישה: בקרת גישה דקיקה מאפשרת למנהלי מערכת להגביל את הגישה לנתונים רגישים ולהבטיח שרק צוות מורשה יכול לשנות או למחוק נתונים.
• ביקורת: יכולות ביקורת מפורטות מספקות תיעוד מקיף של כל פעילות מסד הנתונים, מה שמקל על זיהוי והתגובה לאירועי אבטחה.

גישת ה-Secure by Default של Chainguard

Chainguard מציעה גישה מאובטחת כברירת מחדל שמבטיחה שיישומים נבנים מתוך מחשבה על אבטחה מההתחלה. גישה זו כוללת:

• הרשאות הקטנות ביותר: יישומים מתוכננים לפעול עם המינימום ההרשאות הנדרשות לביצוע הפונקציות שלהם, ומצמצמים את משטח ההתקפה.
• תשתית בלתי ניתנת לשינוי: תשתית מתוכננת להיות בלתי ניתנת לשינוי, מה שמקל על זיהוי והתגובה לתקריות אבטחה.
• תצורה מאובטחת: יישומים מוגדרים מתוך מחשבה על אבטחה, כולל ברירות מחדל מאובטחות ותצורה מינימלית.

אינטגרציה של LangChain

LangChain היא ספריית Python המספקת API פשוט ואינטואיטיבי לבניית יישומי אינטרנט המופעלים על ידי בינה מלאכותית. אנו נשלב את LangChain עם מסדי הנתונים המאובטחים של Percona בקוד פתוח ועם הגישה המאובטחת של Chainguard ליצירת ארכיטקטורה חזקה ומאובטחת.

דוגמה לקוד

הנה דוגמה פשוטה של קוד שמדגימה כיצד לשלב את LangChain עם מסדי הנתונים המאובטחים של Percona בקוד פתוח וגישת Chainguard מאובטחת כברירת מחדל:

לייבא langchain
מ-langchain import LLM


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

# צור חיבור למסד נתונים של Percona
ייבוא mysql.connector
cnx = mysql.connector.connect(
    user='username',
    password='password',
    host='127.0.0.1',
    database='database'
)

# צור תצורה מאובטחת של Chainguard
ייבוא מגן שרשרת
cfg = chainguard.Config(
    app_name="my_app",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "שם משתמש",
        "DB_PASSWORD": "סיסמה",
    },
)

# השתמש ב-LangChain כדי לבצע שאילתות במסד הנתונים
query = "SELECT * FROM my_table"
result = llm.query(query, db=cnx, cfg=cfg)

# הדפס את התוצאה
הדפס (תוצאה)

דוגמה זו מדגימה כיצד ליצור מופע LangChain LLM, להתחבר למסד נתונים של Percona וליצור תצורה מאובטחת של Chainguard. לאחר מכן הוא משתמש ב-LangChain כדי לבצע שאילתות במסד הנתונים ולהדפיס את התוצאה.

5-10 הפקודות/קטעי הקוד הנפוצים ביותר

להלן 5-10 הפקודות/קטעי הקוד המובילים ביותר עבור טכנולוגיה זו:

1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - צור מופע של LangChain LLM.
2. mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - צור חיבור למסד נתונים של Percona.
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"}) - צור תצורה מאובטחת של Chainguard.
4. llm.query(query, db=cnx, cfg=cfg) - השתמש ב-LangChain כדי לבצע שאילתות במסד הנתונים.
5. print(result) - הדפס את תוצאת השאילתה.
6. יבוא langchain - ייבא את ספריית LangChain.
7. import mysql.connector - ייבא את מחבר מסד הנתונים של Percona.
8. ייבוא ​​chainguard - ייבא את ספריית ה-Chainguard.
9. llm = LLM() - צור מופע LangChain LLM מבלי לציין מודל.
10. cnx = mysql.connector.connect() - צור חיבור למסד נתונים של Percona מבלי לציין מסד נתונים.

ויזואליזציה

הנה הדמיה של הארכיטקטורה המאובטחת כברירת מחדל באמצעות Chart.js:

{
  "type": "סרגל",
  "נתונים": {
    "labels": ["Percona Database", "Chainguard Secure Configuration", "LangChain LLM"],
    "מערכי נתונים": [
      {
        "label": "תכונות אבטחה",
        "נתונים": [10, 8, 12],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "אפשרויות": {
    "כותרת": {
      "תצוגה": נכון,
      "text": "ארכיטקטורה מאובטחת על ידי ברירת המחדל"
    },
    "קשקשים": {
      "yAxes": [
        {
          "טיקים": {
            "beginAtZero": נכון
          }
        }
      ]
    }
  }
}

הדמיה זו מציגה את תכונות האבטחה של מסדי הנתונים המאובטחים של Percona בקוד פתוח, הגישה של Chainguard מאובטחת על ידי ברירת המחדל וה-LLM של LangChain.

מסקנה

הטמעת ארכיטקטורה מאובטחת כברירת מחדל עבור יישומי אינטרנט המופעלים על ידי בינה מלאכותית היא חיונית בנוף האיומים של ימינו. על ידי שילוב של מסדי הנתונים המאובטחים של Percona בקוד פתוח עם גישת ה-Secure by Default של Chainguard ושילוב עם LangChain, נוכל ליצור ארכיטקטורה חזקה ומאובטחת שיכולה לעמוד בהתקפות פוטנציאליות מונעות בינה מלאכותית. מאמר זה סיפק מדריך מעשי כיצד ליישם ארכיטקטורה זו, כולל דוגמאות קוד והדמיות.