Embeddings की सुरक्षा और Privacy

Vectors गुमनाम नहीं हैं

Embeddings आपके पाठ से बनते हैं और उसके बारे में जानकारी लीक कर सकते हैं: शोध ने दिखाया है कि पाठ कभी-कभी अपने embedding से आंशिक रूप से पुनर्निर्मित हो सकता है, और nearest-neighbour परिणाम बताते हैं कि कौन-से दस्तावेज़ मौजूद हैं। Vectors को स्रोत डेटा जितना संवेदनशील मानें: at rest और in transit encrypt करें, पहुँच सीमित करें, और वही retention व deletion नियम लागू करें (दस्तावेज़ हटाना उसके vectors और cached प्रतियाँ भी हटाए)। प्रति tenant और प्रति user retrieval query में अनुमतियाँ लागू करें, क्योंकि बिना filters का साझा index एक ग्राहक का डेटा दूसरे के परिणामों में लीक कर सकता है। Hosted embedding API उपयोग करते समय याद रखें कि पाठ आपके system से बाहर जाता है: डेटा-उपयोग व retention शर्तें जाँचें, व्यक्तिगत डेटा न्यूनतम और redact करें, और access log करें। LLM को जाने वाले retrieved पाठ में prompt injection हो सकता है, इसलिए उसे अविश्वसनीय डेटा मानें।

त्वरित जाँच: गोपनीय दस्तावेज़ों से बने vectors के साथ कैसा व्यवहार करें?

• स्रोत दस्तावेज़ों जितनी संवेदनशीलता से
• सार्वजनिक, क्योंकि वे सिर्फ़ संख्याएँ हैं
• गुमनाम डेटा के रूप में
• हानिरहित test डेटा के रूप में