Um assistente de suporte baseado em LLM pode vazar dados de clientes quando não há uma separação clara entre o acesso ao banco de dados, os prompts do modelo e as operações de escrita. Este curso demonstra como proteger esse fluxo utilizando autenticação, isolamento de tenants, princípio do privilégio mínimo, minimização de dados, listas de permissão de intenções e controles mais rigorosos para ações que alteram o estado do sistema. O conteúdo foi desenvolvido para iniciantes que buscam um modelo mental claro sobre a proteção de dados de bancos de dados em aplicações de IA, sem se perder em detalhes excessivos de implementação.
O curso aborda os pontos de possível vazamento de dados de banco de dados em um fluxo de suporte baseado em LLM, as diferenças entre identidade e autorização, e como políticas de `tenant_id` e a segurança em nível de linha definem o escopo dos dados visíveis. Também trata de pré-filtragem, funções (roles), visualizações (views), listas de permissão de intenções, consultas parametrizadas, riscos de *prompt injection*, minimização de dados e controles de gravação mais seguros com registro de auditoria.