प्रैक्टिकल कंट्रोल की मदद से क्रॉस-टेनेंट लीक रोकें, मॉडल एक्सपोज़र कम करें और AI-आधारित डेटाबेस एक्सेस को नियंत्रित करें।
५ खंड · १० पाठ
सपोर्ट-असिस्टेंट के रिक्वेस्ट पाथ को ट्रेस करें, फिर यूज़र की पहचान, एप्लीकेशन की पहचान, ऑथेंटिकेशन और ऑथराइज़ेशन के बीच अंतर करें ताकि डेटाबेस का एक्सेस ऐप की सामान्य क्षमता के बजाय कॉलर के आधार पर तय हो।
२ पाठtenant_id आइसोलेशन लागू करें, फिर अनऑथराइज़्ड रोज़ और सेंसिटिव कॉलम को एप्लिकेशन और प्रॉम्प्ट से दूर रखने के लिए प्री-फ़िल्टरिंग, रीड-ओनली रोल, व्यू और RLS की तुलना करें।
३ पाठअलाउलिस्टेड इंटेंट्स, पैरामीटराइज़्ड क्वेरीज़ और बेसिक आर्ग्युमेंट वैलिडेशन तय करें ताकि मॉडल द्वारा चुने गए रीड ऑपरेशन्स पहले से तय डेटाबेस एक्सेस पाथ्स के दायरे में ही रहें।
१ पाठनिकाले गए नोट्स को डेटा मानें, न कि पक्की जानकारी; और मॉडल को कुछ भी भेजने से पहले कम कॉलम, कम रो (rows) और जानकारी छिपाकर (redaction) डेटा के एक्सपोज़र को कम करें।
२ पाठस्टेट बदलने वाले कामों को साफ़ तौर पर मंज़ूरी, कन्फर्मेशन, सीमित परमिशन और ऑडिट लॉगिंग के ज़रिए कंट्रोल करें; फिर पूरे रिक्वेस्ट फ़्लो को ट्रेस करें और खतरों को उन्हें रोकने वाले कंट्रोल से जोड़ें।
२ पाठजब डेटाबेस एक्सेस, मॉडल प्रॉम्प्ट और राइट ऑपरेशन (डेटा लिखने की प्रक्रिया) को ठीक से अलग नहीं किया जाता है, तो LLM सपोर्ट असिस्टेंट कस्टमर का डेटा लीक कर सकता है। यह कोर्स बताता है कि ऑथेंटिकेशन, टेनेंट आइसोलेशन, लीस्ट प्रिविलेज, डेटा मिनिमाइज़ेशन, इंटेंट अलाउलिस्ट और स्टेट बदलने वाले कामों के लिए मज़बूत कंट्रोल का इस्तेमाल करके उस रास्ते को कैसे सुरक्षित किया जाए। इसे उन शुरुआती लोगों के लिए बनाया गया है जो AI एप्लीकेशन में डेटाबेस डेटा को सुरक्षित रखने के लिए एक साफ़ समझ चाहते हैं, बिना इम्प्लीमेंटेशन की बारीकियों में उलझे।
इस कोर्स में बताया गया है कि LLM सपोर्ट फ़्लो में डेटाबेस का डेटा कहाँ लीक हो सकता है, आइडेंटिटी और ऑथराइज़ेशन में क्या फ़र्क है, और tenant_id पॉलिसी और रो-लेवल सिक्योरिटी किस तरह दिखने वाले डेटा का दायरा तय करती हैं। इसमें प्री-फ़िल्टरिंग, रोल, व्यू, इंटेंट अलाउलिस्ट, पैरामीटराइज़्ड क्वेरी, प्रॉम्प्ट इंजेक्शन के जोखिम, डेटा मिनिमाइज़ेशन और ऑडिट लॉगिंग के साथ सुरक्षित राइट कंट्रोल जैसी चीज़ें भी शामिल हैं।
प्रोजेक्ट मैनेजरों और ऑपरेशंस टीमों से लेकर संस्थापकों, विश्लेषकों और AI अपनाने वाली टीमों तक, Fenzo उन सभी के लिए है जो अपने रोज़मर्रा के काम में और बेहतर होना चाहते हैं।
प्रोजेक्ट की योजना बनाने और डेटा का विश्लेषण करने के लिए AI के इस्तेमाल से लेकर प्रक्रियाओं, निर्णय लेने, संवाद और क्रियान्वयन को बेहतर बनाने तक, सब कुछ। अगर आप कौशल या काम का वर्णन कर सकते हैं, तो Fenzo उस पर कोर्स बना सकता है।
हाँ। Fenzo को बताइए कि आप क्या करते हैं, क्या हासिल करना चाहते हैं और कहाँ अटके हैं, और वह कोर्स को आपकी भूमिका, आपके लक्ष्यों और उस काम के अनुसार ढाल देगा जो आपको वास्तव में करना है।
नहीं। Fenzo आपकी शुरुआती स्थिति के अनुसार ढल जाता है: आप बुनियादी बातों से शुरू कर सकते हैं या सीधे उन्नत विषयों पर जा सकते हैं।
हाँ। Fenzo for Business आपकी पूरी टीम को एक ही सब्सक्रिप्शन में जोड़ता है: साझा लाइसेंस, आपके सौंपे जा सकने वाले कोर्स और इस बारे में रिपोर्ट कि किसने क्या पूरा किया।
Fenzo for Business के बारे में जानेंआप अपना लक्ष्य बताकर या एक छोटा कौशल आकलन देकर शुरुआत करते हैं। Fenzo इस जानकारी से आपकी कमियाँ पहचानता है और सीखने का अनुभव उन्हीं के इर्द-गिर्द तैयार करता है।
हाँ, Fenzo आपके फ़ोन के ब्राउज़र में काम करता है।
हर खंड में कुछ ऐसा जिसके साथ आप इंटरैक्ट कर सकें।
सीखने पर दशकों के शोध के तीन निष्कर्षों ने तय किया कि हर Fenzo पाठ कैसे बनाया जाए।
औसत उत्तीर्णता दर · Freeman et al., PNAS 2014
विज्ञान क्या कहता है
सिर्फ़ व्याख्यान वाली कक्षाओं के छात्रों के फ़ेल होने की संभावना १.५× अधिक होती है।
Fenzo यह कैसे करता है
हर Fenzo पाठ इंटरैक्टिव है। कभी निष्क्रिय पढ़ना या देखना नहीं।
आप खुद करते हैंAI आपके लिए करता है
समय के साथ कौशल की स्मृति · अभ्यास के साथ बनाम बिना
विज्ञान क्या कहता है
सोचने का काम AI को सौंप देने से वही कौशल कमज़ोर होते हैं जिन्हें आप बनाना चाहते हैं।
Fenzo यह कैसे करता है
Fenzo आपसे सोचवाता है — मार्गदर्शन के साथ, पर आपके बदले कभी नहीं।
पुनःस्मरण अभ्यासदोबारा पढ़ना
दीर्घकालिक स्मृति · पुनःस्मरण बनाम दोबारा पढ़ना
विज्ञान क्या कहता है
टिकाऊ समझ बनाने के लिए किसी जानकारी को याद करना उसे दोबारा पढ़ने से बेहतर है।
Fenzo यह कैसे करता है
पाठों में क्विज़ और याद करने वाले सवाल शामिल हैं, ताकि सीखा हुआ टिका रहे।