عملی اقدامات کے ذریعے مختلف ٹیننٹس (tenants) کے درمیان ڈیٹا کے اخراج کو روکیں، ماڈل کی نمائش کو محدود کریں اور AI پر مبنی ڈیٹا بیس تک رسائی کو کنٹرول کریں۔
۵ حصے · ۱۰ اسباق
سپورٹ اسسٹنٹ کی درخواست کے راستے (request path) کا سراغ لگائیں، اور پھر صارف کی شناخت، ایپلیکیشن کی شناخت، تصدیقِ شناخت (authentication) اور مجازیت (authorization) کے درمیان فرق واضح کریں؛ تاکہ ڈیٹا بیس تک رسائی کا انحصار ایپ کے عمومی اختیارات کے بجائے درخواست کرنے والے (caller) پر ہو۔
۲ اسباقtenant_id کی بنیاد پر علیحدگی (isolation) کا اطلاق کریں، اور پھر غیر مجاز قطاروں (rows) اور حساس کالمز کو ایپلیکیشن اور پرامپٹ (prompt) سے دور رکھنے کے لیے پری فلٹرنگ، 'صرف پڑھنے کے قابل' (read-only) کرداروں، ویوز (views) اور RLS کا موازنہ کریں۔
۳ اسباقاجازت یافتہ (allowlisted) انٹینٹس، پیرامیٹرائزڈ کیوریز اور بنیادی آرگومنٹ ویلیڈیشن کی وضاحت کریں تاکہ ماڈل کے ذریعے منتخب کردہ ریڈ (read) آپریشنز پہلے سے طے شدہ ڈیٹا بیس تک رسائی کے راستوں کے اندر ہی رہیں۔
۱ سبقحاصل کردہ نوٹس کو حتمی سند کے بجائے محض ڈیٹا سمجھیں، اور ماڈل کو کچھ بھی بھیجنے سے پہلے کالموں اور قطاروں کی تعداد کم کر کے نیز حساس معلومات کو حذف (redaction) کر کے ڈیٹا کے بے جا انکشاف کو محدود کریں۔
۲ اسباقحالت (state) تبدیل کرنے والے اقدامات کو واضح اجازت، تصدیق، محدود اختیارات اور آڈٹ لاگنگ کے ذریعے کنٹرول کریں؛ پھر درخواست کے مکمل بہاؤ (request flow) کا سراغ لگائیں اور خطرات کا ان کنٹرولز سے موازنہ کریں جو انہیں روکتے ہیں۔
۲ اسباقجب ڈیٹا بیس تک رسائی، ماڈل پرامپٹس (prompts) اور ڈیٹا لکھنے کے عمل (write operations) کے درمیان واضح علیحدگی نہ ہو، تو LLM پر مبنی سپورٹ اسسٹنٹ سے صارفین کا ڈیٹا لیک ہو سکتا ہے۔ یہ کورس سکھاتا ہے کہ کس طرح تصدیقِ شناخت (authentication)، ٹیننٹ آئسولیشن (tenant isolation)، کم سے کم استحقاق (least privilege)، ڈیٹا کو کم سے کم رکھنے (data minimization)، ’انٹینٹ الاؤ لسٹس‘ (intent allowlists) اور سسٹم کی حالت تبدیل کرنے والے اقدامات کے لیے سخت کنٹرولز کے ذریعے اس عمل کو محفوظ بنایا جائے۔ یہ کورس ان مبتدی افراد کے لیے تیار کیا گیا ہے جو نفاذ کی پیچیدہ تفصیلات میں الجھے بغیر AI ایپلی کیشنز میں ڈیٹا بیس کے ڈیٹا کے تحفظ کا ایک واضح تصوراتی خاکہ (mental model) سمجھنا چاہتے ہیں۔
یہ کورس ان مقامات کا احاطہ کرتا ہے جہاں LLM سپورٹ کے عمل (flow) کے دوران ڈیٹا بیس کا ڈیٹا لیک ہو سکتا ہے، نیز شناخت (identity) اور اجازت (authorization) کے درمیان فرق، اور یہ کہ کس طرح tenant_id پالیسیاں اور 'رو-لیول سیکیورٹی' (row-level security) قابلِ مشاہدہ ڈیٹا کے دائرہ کار کا تعین کرتی ہیں۔ اس میں پری فلٹرنگ، رولز (roles)، ویوز (views)، انٹینٹ الاؤ لسٹس (intent allowlists)، پیرامیٹرائزڈ کیوریز، پرامپٹ انجیکشن کے خطرات، ڈیٹا کو کم سے کم رکھنے (data minimization)، اور آڈٹ لاگنگ کے ساتھ محفوظ تر 'رائٹ کنٹرولز' (write controls) جیسے موضوعات بھی شامل ہیں۔
پروجیکٹ مینیجرز اور آپریشنز ٹیموں سے لے کر بانیان، تجزیہ کاروں اور AI اپنانے والی ٹیموں تک، Fenzo ان سب کے لیے ہے جو اپنے روزمرہ کام میں مزید بہتر ہونا چاہتے ہیں۔
پروجیکٹس کی منصوبہ بندی اور ڈیٹا کے تجزیے کے لیے AI کے استعمال سے لے کر عمل، فیصلہ سازی، بات چیت اور تکمیل کو بہتر بنانے تک، سب کچھ۔ اگر آپ مہارت یا کام بیان کر سکتے ہیں تو Fenzo اس پر کورس بنا سکتا ہے۔
جی ہاں۔ Fenzo کو بتائیں کہ آپ کیا کرتے ہیں، کیا حاصل کرنا چاہتے ہیں اور کہاں پھنسے ہیں، اور وہ کورس کو آپ کے کردار، آپ کے اہداف اور اس کام کے مطابق ڈھال دے گا جو آپ کو واقعی کرنا ہے۔
نہیں۔ Fenzo آپ کے نقطۂ آغاز کے مطابق ڈھل جاتا ہے: آپ بنیادی باتوں سے شروع کر سکتے ہیں یا سیدھے اعلیٰ موضوعات پر جا سکتے ہیں۔
جی ہاں۔ Fenzo for Business آپ کی پوری ٹیم کو ایک ہی سبسکرپشن میں اکٹھا کرتا ہے: مشترکہ لائسنس، تفویض کیے جا سکنے والے کورسز اور اس بارے میں رپورٹس کہ کس نے کیا مکمل کیا۔
Fenzo for Business کے بارے میں جانیںآپ اپنا ہدف بتا کر یا ایک مختصر مہارتی جائزہ دے کر آغاز کرتے ہیں۔ Fenzo اس سیاق سے آپ کی کمزوریاں پہچانتا ہے اور سیکھنے کا تجربہ انہی کے گرد ترتیب دیتا ہے۔
جی ہاں، Fenzo آپ کے فون کے براؤزر میں چلتا ہے۔
ہر حصے میں کچھ ایسا جس کے ساتھ آپ تعامل کر سکیں۔
سیکھنے پر دہائیوں کی تحقیق کے تین نتائج نے طے کیا کہ ہر Fenzo سبق کیسے بنایا جائے۔
اوسط کامیابی کی شرح · Freeman et al., PNAS 2014
سائنس کیا کہتی ہے
صرف لیکچر والی کلاسوں کے طلبہ کے فیل ہونے کا امکان ۱.۵× زیادہ ہوتا ہے۔
Fenzo یہ کیسے کرتا ہے
ہر Fenzo سبق انٹرایکٹو ہے۔ کبھی غیر فعال پڑھنا یا دیکھنا نہیں۔
آپ خود کرتے ہیںAI آپ کے لیے کرتا ہے
وقت کے ساتھ مہارت کی یادداشت · مشق کے ساتھ بمقابلہ بغیر
سائنس کیا کہتی ہے
سوچنے کا کام AI کے سپرد کر دینے سے وہی مہارتیں کمزور ہوتی ہیں جو آپ بنانا چاہتے ہیں۔
Fenzo یہ کیسے کرتا ہے
Fenzo آپ سے سوچواتا ہے — رہنمائی کے ساتھ، مگر آپ کی جگہ کبھی نہیں۔
یاد کرنے کی مشقدوبارہ پڑھنا
طویل مدتی یادداشت · یاد کرنا بمقابلہ دوبارہ پڑھنا
سائنس کیا کہتی ہے
پائیدار سمجھ بنانے کے لیے کسی معلومات کو یاد کرنا اسے دوبارہ پڑھنے سے بہتر ہے۔
Fenzo یہ کیسے کرتا ہے
اسباق میں کوئز اور یاد کرنے کے سوالات شامل ہیں تاکہ سیکھا ہوا یاد رہے۔