Створіть екземпляр LangChain LLM

Реалізація безпечної за замовчуванням архітектури для веб-додатків на основі ШІ

Вступ

Оскільки веб-програми на основі ШІ стають все більш поширеними, потреба в надійній і безпечній архітектурі ніколи не була такою гострою. Із зростанням кількості атак, керованих штучним інтелектом, дуже важливо запровадити безпечний підхід за умовчанням, який може протистояти потенційним загрозам. У цій статті ми розглянемо, як поєднати захищені бази даних Percona з відкритим вихідним кодом із підходом безпеки за замовчуванням Chainguard та інтегрувати з LangChain для веб-додатків на основі штучного інтелекту.

Загрози для веб-додатків на основі ШІ

Веб-програми на основі штучного інтелекту вразливі до різних загроз, зокрема:

Отруєння даних: моделями ШІ можна маніпулювати, надаючи їм шкідливі дані, що призводить до неправильних прогнозів або рішень.
Інверсія моделі: зловмисники можуть отримати конфіденційну інформацію про модель AI або її навчальні дані.
Атаки противника: моделі штучного інтелекту можуть бути введені в оману шляхом ретельно розроблених вхідних даних, призначених для введення моделі в оману.

Безпечна архітектура за замовчуванням

Щоб пом’якшити ці загрози, ми запровадимо безпечну за замовчуванням архітектуру, яка поєднує захищені бази даних Percona з відкритим вихідним кодом із безпечним за замовчуванням підходом Chainguard та інтегрується з LangChain для веб-додатків на основі ШІ.

Захищені бази даних з відкритим вихідним кодом Percona

Percona пропонує низку безпечних баз даних з відкритим кодом, включаючи Percona Server для MySQL і Percona Server для PostgreSQL. Ці бази даних забезпечують надійні функції безпеки, як-от:

Шифрування: дані шифруються в стані спокою та під час передачі, гарантуючи, що конфіденційна інформація залишається конфіденційною.
Контроль доступу: детальний контроль доступу дозволяє адміністраторам обмежувати доступ до конфіденційних даних і гарантувати, що лише авторизований персонал може змінювати або видаляти дані.
Аудит: докладні можливості аудиту забезпечують повний запис усіх дій у базі даних, полегшуючи виявлення інцидентів безпеки та реагування на них.

Підхід Chainguard Secure-by-Default

Chainguard пропонує безпечний підхід за замовчуванням, який гарантує, що додатки створюються з урахуванням безпеки з самого початку. Цей підхід включає:

Найменший привілей: Програми розроблено для роботи з найменшими привілеями, необхідними для виконання своїх функцій, зменшуючи поверхню атаки.
Незмінна інфраструктура: інфраструктура створена як незмінна, що полегшує виявлення інцидентів безпеки та реагування на них.
Безпечна конфігурація: програми налаштовано з урахуванням безпеки, включаючи безпечні параметри за замовчуванням і мінімальну конфігурацію.

Інтеграція LangChain

LangChain — це бібліотека Python, яка надає простий та інтуїтивно зрозумілий API для створення веб-додатків на основі ШІ. Ми інтегруємо LangChain із захищеними базами даних Percona з відкритим кодом і підходом Chainguard із замовчуванням, щоб створити надійну та безпечну архітектуру.

Приклад коду

Ось простий приклад коду, який демонструє, як інтегрувати LangChain із захищеними відкритими базами даних Percona та підходом безпеки за замовчуванням Chainguard:

імпорт Langchain
від langchain import LLM


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

# Створіть підключення до бази даних Percona
імпортувати mysql.connector
cnx = mysql.connector.connect(
    користувач='ім'я користувача',
    пароль='пароль',
    host='127.0.0.1',
    база даних='база даних'
)

# Створіть безпечну конфігурацію Chainguard
імпортний ланцюг
cfg = chainguard.Config(
    app_name="моя_програма",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "ім'я користувача",
        "DB_PASSWORD": "пароль",
    },
)

# Використовуйте LangChain для запиту до бази даних
query = "SELECT * FROM my_table"
результат = llm.query(запит, db=cnx, cfg=cfg)

# Роздрукувати результат
друк (результат)

Цей приклад коду демонструє, як створити екземпляр LangChain LLM, підключитися до бази даних Percona та створити безпечну конфігурацію Chainguard. Потім він використовує LangChain для запиту до бази даних і друку результату.

5-10 найбільш часто використовуваних команд/фрагментів

Ось 5-10 найбільш використовуваних команд/фрагментів для цієї технології:

langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - Створення екземпляра LangChain LLM.
mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - Створення підключення до бази даних Percona.
chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "ім'я користувача", "DB_PASSWORD": "пароль"}) - Створення безпечної конфігурації Chainguard.
llm.query(query, db=cnx, cfg=cfg) - використовуйте LangChain для запиту до бази даних.
print(result) - Вивести результат запиту.
import langchain - Імпорт бібліотеки LangChain.
import mysql.connector - імпорт конектора бази даних Percona.
import chainguard - Імпорт бібліотеки Chainguard.
llm = LLM() - Створення екземпляра LangChain LLM без вказівки моделі.
cnx = mysql.connector.connect() - Створення підключення до бази даних Percona без вказівки бази даних.

Візуалізація

Ось візуалізація безпечної за замовчуванням архітектури з використанням Chart.js:

{
  "type": "бар",
  "дані": {
    "labels": ["База даних Percona", "Захищена конфігурація Chainguard", "LangChain LLM"],
    "набори даних": [
      {
        "label": "Функції безпеки",
        "дані": [10, 8, 12],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "параметри": {
    "назва": {
      "display": правда,
      "text": "Захищена типова архітектура"
    },
    "ваги": {
      "yAxes": [
        {
          "галочки": {
            "beginAtZero": правда
          }
        }
      ]
    }
  }
}

Ця візуалізація демонструє функції безпеки захищених баз даних Percona з відкритим кодом, підхід безпеки за замовчуванням Chainguard і LLM LangChain.

Висновок

Реалізація захищеної за замовчуванням архітектури для веб-додатків на основі штучного інтелекту має вирішальне значення в сучасному середовищі загроз. Поєднавши захищені бази даних Percona з відкритим вихідним кодом із підходом захисту за замовчуванням Chainguard та інтегрувавши з LangChain, ми можемо створити надійну та безпечну архітектуру, яка може протистояти потенційним атакам, керованим штучним інтелектом. У цій статті надано практичний посібник із реалізації цієї архітектури, включаючи приклади коду та візуалізації.

Створіть екземпляр LangChain LLM

Захищені бази даних з відкритим вихідним кодом Percona

Підхід Chainguard Secure-by-Default

Інтеграція LangChain

Have Questions?