Хиймэл оюун ухаанд суурилсан хэрэглээний программ хангамжийн архитектурыг бий болгох: Өргөтгөх чадвар, аюулгүй байдлын стратеги | B4N1

Хиймэл оюун ухаанд суурилсан хэрэглээний программ хангамжийн архитектурыг бий болгох: Өргөтгөх чадвар, аюулгүй байдлын стратеги

9 months ago · b4n1 Read time: 5 min

Танилцуулга

Хиймэл оюун ухааныг (AI) програм хангамжийн хэрэглээнд нэгтгэснээр бидний асуудал шийдвэрлэх, шийдвэр гаргах, автоматжуулалтад хандах хандлагад хувьсгал хийсэн. Гэсэн хэдий ч хиймэл оюун ухаанд суурилсан програмууд улам боловсронгуй болохын хэрээр тэд гүнзгийрүүлэх, хиймэл оюун ухаанд суурилсан автоматжуулалт зэрэг шинээр гарч ирж буй аюул заналхийлэлд илүү өртөмтгий болдог. Энэ нийтлэлд бид AI бүрэлдэхүүн хэсгүүдийг үр дүнтэй нэгтгэж, өргөтгөх чадвар, аюулгүй байдлыг хангах програм хангамжийн архитектурыг зохион бүтээх дэвшилтэт техникийг судлах болно.

Хиймэл оюун ухаанд суурилсан програмуудын сорилтууд

AI-д суурилсан программууд нь өгөгдлөөс суралцах, шинэ нөхцөл байдалд дасан зохицох, бие даан шийдвэр гаргах чадвараараа онцлог юм. Гэсэн хэдий ч энэ нь тэдний AI бүрэлдэхүүн хэсгүүдэд чиглэсэн халдлагад илүү өртөмтгий гэсэн үг юм. AI-д суурилсан програмуудтай холбоотой зарим сорилтууд нь:

  • Deepfakes: Хэрэглэгчдийг хууран мэхлэх, аюулгүй байдлын системийг эвдэх зорилгоор хиймэл оюун ухаанаар бүтээсэн хуурамч видео, аудио бичлэг, зураг.
  • AI-д суурилсан автоматжуулалт: Халдлагыг автоматжуулах, хортой програмыг түгээх эсвэл нууц мэдээллийг эвдэх боломжтой хиймэл оюун ухаанаар ажилладаг роботууд.
  • Өгөгдлийн хордлого: AI загваруудыг хордлоготой өгөгдөл дээр сургах боломжтой бөгөөд энэ нь өрөөсгөл эсвэл буруу үр дүнд хүргэдэг.
  • Загвар задлах: Халдлага үйлдэгчид хиймэл оюуны загвараас нууц мэдээллийг гаргаж, аюулгүй байдалд нь халдаж болно.

Өргөтгөх чадварын стратеги

AI-д суурилсан програмуудад зориулсан уян хатан програм хангамжийн архитектурыг бий болгохын тулд бид өргөтгөх чадварт анхаарлаа хандуулах хэрэгтэй. Өргөтгөх чадвар гэдэг нь гүйцэтгэлийг алдагдуулахгүйгээр нэмэгдсэн ачаалал, ачаалал, өгөгдлийг удирдах чадварыг хэлнэ. AI-д суурилсан програмуудад өргөтгөх чадварыг бий болгох зарим стратеги энд байна.

1. Microservices Architecture

Microservices архитектур нь API ашиглан өөр хоорондоо харилцдаг жижиг бие даасан үйлчилгээнүүдийн цуглуулга болгон программыг зохион бүтээдэг дизайны загвар юм. Энэ арга нь илүү уян хатан байдал, өргөтгөх чадвар, алдааг тэсвэрлэх боломжийг олгодог.

# Python дахь микро үйлчилгээний архитектурын жишээ
колбоноос импорт хийх Колбо, jsonify
flask_sqlalchemy-аас SQLAlchemy импортлох

програм = Колбо(__нэр__)
app.config["SQLALCHEMY_DATABASE_URI"] = "sqlite:///example.db"
db = SQLAlchemy(програм)

ангилал Хэрэглэгч(db.Model):
    id = db.Column(db.Бүхэл тоо, үндсэн_түлхүүр=Үнэн)
    нэр = db.Column(db.String(100), nullable=Худал)

@app.route("/хэрэглэгч", аргууд=["GET"])
def get_users():
    хэрэглэгчид = User.query.all()
    jsonify буцаах([{"id": user.id, "name": user.name} хэрэглэгчийн хувьд])

хэрэв __нэр__ == "__үндсэн__":
    app.run(debug=Үнэн)

2. Савыг савлах

Контейнержуулалт нь ямар ч платформ дээр ажиллах боломжтой нэг контейнерт програм болон түүний хамаарлыг багцлах арга юм. Энэ арга нь илүү зөөвөрлөх, өргөтгөх, аюулгүй байдлыг хангах боломжийг олгодог.

// Go дахь савлах жишээ
үндсэн багц

импортлох (
	"fmt"
	"лог"

	"github.com/docker/docker/api/types/container"
	"github.com/docker/docker/api/types/network"
	"github.com/docker/docker/client"
)

func main() {
	cli, алдаа := client.NewClientWithOpts(client.FromEnv)
	хэрэв алдаа бол != тэг {
		log.Fatal(алдаа)
	}

	containerConfig := &container.Config{
		Зураг: "жишээ/зураг",
		Env: []string{"EXAMPLE_VAR=example"},
	}

	networkConfig := &network.NetworkingConfig{
		EndpointsConfig: map[string]*network.EndpointSettings{
			"жишээлбэл сүлжээ": {},
		},
	}

	resp, err := cli.ContainerCreate(context.Background(), containerConfig, networkConfig, nil, nil, "")
	хэрэв алдаа бол != тэг {
		log.Fatal(алдаа)
	}

	fmt.Println(resp.ID)
}

3. Сервергүй архитектур

Сервергүй архитектур нь програм хангамжийг серверүүдийг бэлтгэх, удирдах шаардлагагүйгээр хүсэлтээр гүйцэтгэгддэг функцүүдийн цуглуулга болгон бүтэцжүүлэх дизайны загвар юм. Энэ арга нь илүү өргөн цар хүрээтэй, уян хатан байдал, зардал багатай байх боломжийг олгодог.

// Rust дахь сервергүй архитектурын жишээ
lambda_runtime ашиглах ::{Контекст, Алдаа};
serde_json::json ашиглах;

#[tokio::main]
async fn main() -> Үр дүн<(), Алдаа> {
    let func = lambda_runtime::run!(харьцуулагч);
    func(Context::default()).хүлээж байна уу?;
    За(())
}

async fn handler(_event: lambda_runtime:: Event, _context: Context) -> Үр дүн<lambda_runtime::Result, Error> {
    үр дүн = json!({
        "статус код": 200,
        "body": "Ламбдагаас сайн уу!",
    });
    За(lambda_runtime::Result::from(үр дүн))
}

Аюулгүй байдлын стратеги

AI-д суурилсан програмуудад зориулсан уян хатан програм хангамжийн архитектурыг бий болгохын тулд бид аюулгүй байдалд анхаарлаа хандуулах хэрэгтэй. Аюулгүй байдал гэдэг нь системийн зөвшөөрөлгүй хандалт, өгөгдөл зөрчих болон бусад хортой үйлдлээс өөрийгөө хамгаалах чадварыг хэлнэ. AI-д суурилсан програмуудын аюулгүй байдлыг хангах зарим стратеги энд байна.

1. Өгөгдлийн шифрлэлт

Өгөгдлийн шифрлэлт нь зөвшөөрөлгүй хандалтаас сэргийлэхийн тулд өгөгдлийг задлах арга юм. Энэ арга нь илүү аюулгүй байдал, нууцлал, бүрэн бүтэн байдлыг хангах боломжийг олгодог.

# Python дээр өгөгдөл шифрлэлтийн жишээ
cryptography.fernet импортоос Fernet

түлхүүр = Fernet.generate_key()
cipher_suite = Фернет(түлхүүр)

өгөгдөл = b"Сайн уу, Дэлхий!"
encrypted_data = cipher_suite.encrypt(өгөгдөл)
хэвлэх(шифрлэгдсэн_өгөгдөл)

тайлагдсан_өгөгдөл = cipher_suite.decrypt(шифрлэгдсэн_дата)
хэвлэх(шифрлэгдсэн_өгөгдөл)

2. Хандалтын хяналт

Хандалтын хяналт нь нууц мэдээлэлд хэн хандах эсвэл тодорхой үйлдлийг гүйцэтгэхийг зохицуулах арга техник юм. Энэ арга нь илүү аюулгүй байдал, хариуцлага, дагаж мөрдөх боломжийг олгодог.

// Go дахь хандалтын хяналтын жишээ
үндсэн багц

импортлох (
	"fmt"
	"лог"

	"github.com/dgrijalva/jwt-go"
)

func main() {
	токен := jwt.NewWithClaims(jwt.SigningMethodHS256, jwt.MapClaims{
		"хэрэглэгчийн нэр": "жишээ",
		"role": "админ",
	})

	tokenString, алдаа := token.SignedString([]байт("нууц"))
	хэрэв алдаа бол != тэг {
		log.Fatal(алдаа)
	}

	fmt.Println(tokenString)
}

3. Аномали илрүүлэх

Аномали илрүүлэх нь өгөгдөл дэх ер бусын хэв маяг, зан үйлийг тодорхойлох арга юм. Энэ арга нь илүү аюулгүй байдал, илрүүлэх, хариу үйлдэл үзүүлэх боломжийг олгодог.

// Rust дахь гажиг илрүүлэх жишээ
rand::Rng ашиглах;
std::collections ::HashMap ашиглах;

fn main() {
    let mut rng = rand::thread_rng();
    let mut data = HashMap::new();

    _-д 0..100 {
        let утга = rng.gen_range(0..100);
        өгөгдөл.insert(утга, утга);
    }

    let mut anomalies = Vec::new();

    data.iter() доторх (түлхүүр, утга) {
        хэрэв *түлхүүр > 50 && *утга > 50 {
            anomalies.push(key.clone());
        }
    }

    println!("{:?}", хэвийн бус байдал);
}

Дүрслэл

Энэ нийтлэлд хэлэлцсэн өргөтгөх чадвар, аюулгүй байдлын стратегийг харуулахын тулд Chart.js ашиглан дүрслэн харуулах жишээ энд байна.

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["Бичил үйлчилгээ", "Савлах", "Сервергүй"],
    "өгөгдлийн багц": [
      {
        "label": "Өргөтгөх чадвар",
        "өгөгдөл": [10, 20, 30],
        "арын өнгө": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "rgba(255, 206, 86, 0.2)"
        ],
        "borderColor": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "rgba(255, 206, 86, 1)"
        ],
        "borderWidth": [1, 1, 1]
      },
      {
        "label": "Аюулгүй байдал",
        "өгөгдөл": [20, 30, 40],
        "арын өнгө": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "rgba(255, 206, 86, 0.2)"
        ],
        "borderColor": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "rgba(255, 206, 86, 1)"
        ],
        "borderWidth": [1, 1, 1]
      }
    ]
  },
  "сонголт": {
    "масштаб": {
      "yAxes": [
        {
          "хачиг": {
            "beginAtZero": үнэн
          }
        }
      ]
    }
  }
}

Энэхүү дүрслэл нь стратеги бүрийн өргөтгөх чадвар, аюулгүй байдлын ашиг тусыг харуулсан бөгөөд микро үйлчилгээ нь хамгийн их өргөтгөх боломжтой, сервергүй үйлчилгээ нь хамгийн өндөр аюулгүй байдлыг харуулдаг.

Дүгнэлт

AI-д суурилсан програмуудад зориулсан уян хатан програм хангамжийн архитектурыг бий болгохын тулд өргөтгөх чадвар, аюулгүй байдлын стратеги хосолсон байх шаардлагатай. Бичил үйлчилгээний архитектур, контейнержуулалт, сервергүй архитектурт анхаарлаа хандуулснаар бид илүү өргөн цар хүрээтэй, уян хатан байдалд хүрч чадна. Өгөгдлийн шифрлэлт, хандалтын хяналт, гажиг илрүүлэхэд анхаарлаа хандуулснаар бид илүү их аюулгүй байдал, хамгаалалтад хүрч чадна. Эдгээр стратегиудыг нэгтгэснээр бид өргөтгөх боломжтой, найдвартай програм хангамжийн архитектурыг бий болгож, AI-ийн бүрэлдэхүүн хэсгүүдийг үр дүнтэй нэгтгэж, програмынхаа аюулгүй байдал, бүрэн бүтэн байдлыг хангаж чадна.

Лавлагаа

  • [1] Мартин Фаулерын "Микросервис архитектур"
  • [2] Docker-ийн "Containerization"
  • [3] AWS-ийн "Сервергүй Архитектур"
  • [4] Криптографийн "Өгөгдлийн шифрлэлт"
  • [5] JWT-ийн "Хандалтын хяналт"
  • [6] Machine Learning-ийн "Аномали илрүүлэх"

Тайлбар: Энэ нийтлэл нь зөвхөн боловсролын зорилгоор зориулагдсан бөгөөд хиймэл оюун ухаанд суурилсан программ хангамжийн архитектурыг бий болгох цогц гарын авлага гэж үзэх ёсгүй.

Have Questions?

Let's Talk

Contact me on LinkedIn