पाठ्यक्रम 250 में से पाठ 182 · LLMs को production तक ले जाना: लागत, caching और guardrails
LLMs को production तक ले जाना: लागत, caching और guardrails

PII छिपाने वाला guardrail

उपयोगकर्ता टेक्स्ट के किसी मॉडल, लॉग, या analytics तालिका तक पहुँचने से पहले आपको व्यक्ति की पहचान करने वाली जानकारी (PII) हटा देनी चाहिए। privacy-first product के लिए यह वैकल्पिक चमक नहीं, वह द्वार है जो ईमेल, फ़ोन नंबर, और card नंबरों को उन जगहों से बाहर रखता है जहाँ उन्हें कभी नहीं पहुँचना चाहिए। तकनीक regular expressions से पैटर्न मिलाना है, हर मिलान को एक प्रकार वाले placeholder से बदलते हुए।

तीन आम पैटर्न आपको ज़्यादातर रास्ता तय करा देते हैं:

  • Email: name@host.tld जैसा कुछ -> [EMAIL] से बदलें।
  • Phone: एक 10-अंकों वाली संख्या, शायद ख़ाली जगह, डैश, बिंदु, या शुरुआती देश code से समूहित -> [PHONE]।
  • Card: चार-चार के चार समूहों में 16 अंक, वैकल्पिक ख़ाली जगह या डैश से अलग -> [CARD]।

सबसे लंबा, सबसे ख़ास पैटर्न (16-अंकों वाला card) पहले छिपाएँ ताकि ज़्यादा लालची phone पैटर्न उसमें न घुस सके। बदलते हुए दर्ज करें कि आपको कौन-से प्रकार मिले, ताकि कॉल करने वाले जाँच सकें कि क्या साफ़ किया गया। साफ़ टेक्स्ट ख़ाली सूची के साथ बिना छुए लौटता है।

import re
EMAIL = re.compile(r"\b[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}\b")

आप इसे किसी भी मॉडल तक जाने वाले रास्ते पर चलाएँगे। उदाहरण के लिए, टेक्स्ट को on-device engine को देने से पहले आप safe, _ = redact(user_text) करेंगे और safe भेजेंगे, कभी कच्ची स्ट्रिंग नहीं। मॉडल कॉल ख़ुद उदाहरण है; redactor वह हिस्सा है जो आप बनाते और ग्रेड करते हैं। इस पर भरोसा करने से पहले इसकी सीमाएँ जानें: अंकों वाले पैटर्न झूठे positives देते हैं ("#2026071234" जैसा order नंबर फ़ोन नंबर जैसा दिखता है) और जो वे नहीं बताते उसे चूक जाते हैं (नाम, गली के पते, ख़ाली जगहों से लिखे खाता नंबर)। regex से छिपाना एक सस्ता पहला दौर है; एक असली सिस्टम एक entity पहचानने वाला जोड़ता है और, सबसे बढ़कर, मॉडल को सिर्फ़ वे fields भेजता है जो काम को चाहिए।

redact(text) बनाएँ। एक tuple (masked_text, types) लौटाएँ जहाँ masked_text में हर email, phone, और card उसके placeholder से बदला गया है, और types मिले अलग entity प्रकारों की sort की हुई सूची है ("card", "email", "phone" में से)। साफ़ टेक्स्ट [] के साथ बिना बदले लौटता है।

आपकी बारी

redact(text) लिखें जो (masked_text, types) लौटाए। हर email को [EMAIL] से, phone नंबर को [PHONE] से, और 16-अंकों वाले card को [CARD] से बदलें; types "card", "email", "phone" में से मिले अलग प्रकारों की sort की हुई सूची है। email और phone वाली स्ट्रिंग दोनों छिपाकर और ['email', 'phone'] लौटाती है; साफ़ टेक्स्ट [] के साथ बिना बदले लौटता है; अलग PII मिश्रण अलग प्रकार set देता है।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।