Татбиқи меъмории бехатар аз рӯи пешфарз барои барномаҳои веб, ки аз ҷониби AI кор мекунад

Муқаддима

Вақте ки барномаҳои веб, ки аз ҷониби AI истифода мешаванд, торафт бештар паҳн мешаванд, ниёз ба меъмории мустаҳкам ва бехатар ҳеҷ гоҳ ин қадар вазнин набуд. Бо афзоиши ҳамлаҳои ба AI асосёфта, татбиқи равиши амн аз рӯи пешфарз муҳим аст, ки метавонад ба таҳдидҳои эҳтимолӣ муқобилат кунад. Дар ин мақола, мо меомӯзем, ки чӣ гуна метавон пойгоҳи додаҳои манбаи кушодаи Percona-ро бо равиши амн аз рӯи пешфарз Chainguard муттаҳид кунем ва бо LangChain барои веб-барномаҳои бо AI таъминшуда ҳамгиро кунем.

Таҳдидҳо ба веб-барномаҳои аз ҷониби AI таъминшаванда

Барномаҳои вебе, ки аз сунъӣ кор мекунанд, ба таҳдидҳои гуногун осебпазиранд, аз ҷумла:

Заҳролудшавии маълумот: Моделҳои AI-ро тавассути додани маълумоти зараровар идора кардан мумкин аст, ки боиси пешгӯиҳо ё қарорҳои нодуруст мегардад.
Инверсияи модел: Ҳамлагарон метавонанд маълумоти ҳассосро дар бораи модели AI ё маълумоти омӯзишии он ба даст оранд.
** Ҳамлаҳои мухолиф**: Моделҳои AI-ро тавассути вурудоти бодиққат таҳияшуда, ки барои гумроҳ кардани модел тарҳрезӣ шудаанд, фиреб додан мумкин аст.

Архитектураи бехатарӣ аз рӯи пешфарз

Барои кам кардани ин таҳдидҳо, мо як меъмории амн аз рӯи пешфарзро амалӣ хоҳем кард, ки пойгоҳи додаҳои манбаи кушодаи Percona-ро бо равиши амн аз рӯи пешфарз Chainguard муттаҳид мекунад ва бо LangChain барои веб-барномаҳои сунъӣ ҳамгиро мешавад.

Пойгоҳи додаҳои кушодаи кушодаи Percona

Percona як қатор базаҳои боэътимоди кушодаасосро пешниҳод мекунад, аз ҷумла Сервери Percona барои MySQL ва Percona Server барои PostgreSQL. Ин пойгоҳи додаҳо хусусиятҳои боэътимоди амниятро таъмин мекунанд, ба монанди:

Рамзгузорӣ: Маълумот дар ҳолати истироҳат ва интиқол рамзгузорӣ карда мешавад, ки маълумоти махфӣ махфӣ боқӣ мемонад.
Назорати дастрасӣ: Назорати дақиқи дастрасӣ ба маъмурон имкон медиҳад, ки дастрасӣ ба маълумоти ҳассосро маҳдуд кунанд ва кафолат диҳанд, ки танҳо кормандони ваколатдор метавонанд маълумотро тағир ё нест кунанд.
Аудит: Имкониятҳои аудити муфассал сабти ҳамаҷонибаи тамоми фаъолияти пойгоҳи додаҳоро таъмин намуда, ошкор ва вокуниш ба ҳодисаҳои амниятро осонтар мекунад.

Равиши бехатарии занҷирҳо

Chainguard равиши амн аз рӯи пешфарзро пешниҳод мекунад, ки кафолат медиҳад, ки барномаҳо аз аввал бо дарназардошти амният сохта шаванд. Ин равиш дар бар мегирад:

** Имтиёзи камтарин**: Барномаҳо барои кор кардан бо имтиёзи камтарин барои иҷрои вазифаҳои худ тарҳрезӣ шудаанд ва сатҳи ҳамларо коҳиш медиҳанд.
Инфраструктураи тағирнопазир: Инфрасохтор барои тағирнопазир тарҳрезӣ шудааст, ки ошкор ва вокуниш ба ҳодисаҳои амниятро осонтар мекунад.
Танзимоти бехатар: Барномаҳо бо назардошти амният, аз ҷумла пешфарзҳои бехатар ва конфигуратсияи ҳадди ақал танзим карда мешаванд.

Интегратсияи LangChain

LangChain як китобхонаи Python аст, ки API-и оддӣ ва беихтиёрона барои сохтани барномаҳои веби аз ҷониби AI-ро таъмин мекунад. Мо LangChain-ро бо пойгоҳи додаҳои манбаи кушодаи Percona ва равиши амн аз рӯи пешфарз Chainguard барои эҷоди як меъмории мустаҳкам ва амн муттаҳид хоҳем кард.

** Намунаи код**

Ин як мисоли оддии кодест, ки нишон медиҳад, ки чӣ тавр LangChain бо пойгоҳи додаҳои манбаи кушодаи Percona ва равиши амн аз рӯи пешфарз Chainguard ҳамгиро карда шавад: `` питон langchain ворид кунед аз langchain import LLM

llm = LLM ( model_name="davinci:2-калон", дастгоҳ = "куда", максимум_токенс = 1024, )

Пайвасти пойгоҳи додаҳои Percona эҷод кунед

mysql.connector ворид кунед cnx = mysql.connector.connect ( корбар = 'номи корбар', парол = 'парол', мизбон = '127.0.0.1', базаи маълумот = 'базанаи маълумот' )

Конфигуратсияи бехатари Chainguard эҷод кунед

занҷири воридотӣ cfg = chainguard.Config( app_name="барномаи_ман", app_version = "1.0", env_vars={ "DB_HOST": "127.0.0.1", "DB_USER": "номи корбар", "DB_PASSWORD": "парол", }, )

Барои пурсиши пойгоҳи додаҳо LangChain-ро истифода баред

query = "Интихоб * АЗ_ҷадвали ман" натиҷа = llm.query (пурсиш, db = cnx, cfg = cfg)

Натиҷаро чоп кунед

чоп (натиҷа)

Ин мисоли рамз нишон медиҳад, ки чӣ тавр сохтани як мисоли LangChain LLM, пайваст шудан ба пойгоҳи додаҳои Percona ва сохтани конфигуратсияи бехатари Chainguard. Он гоҳ он LangChain-ро барои пурсиши пойгоҳи додаҳо ва чопи натиҷа истифода мебарад.

**Беҳтарин 5-10 фармонҳо/порчаҳои бештар истифодашаванда**

Инҳоянд 5-10 фармонҳои/порчаҳои бештар истифодашаванда барои ин технология:

1. `langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024)` - Намунаи LangChain LLM эҷод кунед.
2. `mysql.connector.connect(user='name', password='password', host='127.0.0.1', database='base')` - Пайвастшавӣ ба пойгоҳи додаҳои Percona эҷод кунед.
3. `chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "name user", "DB_PASSWORD": "password"})` - Эҷоди конфигуратсияи бехатари Chainguard.
4. `llm.query(query, db=cnx, cfg=cfg)` - Барои пурсиши пойгоҳи додаҳо аз LangChain истифода баред.
5. `print(natija)` - Чоп кардани натиҷаи дархост.
6. `импорти langchain` - Китобхонаи LangChainро ворид кунед.
7. `import mysql.connector` - Пайвасткунаки пойгоҳи додаҳои Percona-ро ворид кунед.
8. `импорти занҷирҳо` - Китобхонаи Chainguard ворид кунед.
9. `llm = LLM()` - Эҷоди мисоли LangChain LLM бе нишон додани модел.
10. `cnx = mysql.connector.connect()` - Пайвастшавӣ ба пойгоҳи додаҳои Percona бидуни муайян кардани пойгоҳи додаҳо эҷод кунед.

** Визуализатсия **

Ин аст визуализатсияи меъмории бехатар аз рӯи пешфарз бо истифода аз Chart.js:
``json
{
  "type": "бар",
  "маълумот": {
    "labels": ["Махзанаи Percona", "Танзимоти бехатарии Chainguard", "LangChain LLM"],
    "маҷмӯи додаҳо": [
      {
        "label": "Хусусиятҳои амниятӣ",
        "data": [10, 8, 12],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "Options": {
    "унвон": {
      "дисплей": дуруст,
      "text": "Меъмории бехатар аз рӯи пешфарз"
    },
    "тарозу": {
      "yAxes": [
        {
          "тик": {
            "beginAtZero": дуруст
          }
        }
      ]
    }
  }
}

Ин визуализатсия хусусиятҳои амниятии пойгоҳи додаҳои манбаи кушодаи Percona, равиши амн аз рӯи пешфарз Chainguard ва LLM-и LangChain-ро нишон медиҳад.

Хулоса

Татбиқи як меъмории амн аз рӯи пешфарз барои замимаҳои веб, ки бо AI кор мекунад, дар манзараи таҳдидҳои имрӯза муҳим аст. Бо омезиши пойгоҳи додаҳои манбаи кушодаи Percona бо равиши амн аз рӯи пешфарз Chainguard ва ҳамгироӣ бо LangChain, мо метавонем як меъмории мустаҳкам ва амн эҷод кунем, ки ба ҳамлаҳои эҳтимолии AI тоб оварда метавонад. Ин мақола дастури амалӣ дар бораи чӣ гуна татбиқи ин меъморӣ, аз ҷумла мисолҳои рамзӣ ва визуализатсия пешниҳод кардааст.

Як мисоли LangChain LLM эҷод кунед