Вы находитесь здесь:
Рекомендации и ограничения по маскировке данных LLM
Обязательно просмотрите эти рекомендации и ограничения перед настройкой маскировки данных широкоязыковой модели (LLM),
Требуемые версии
| Доступно в версиях: Enterprise, Performance и Unlimited Edition с надстройкой Einstein for Sales, Einstein for Platform, Einstein for Service, Einstein 1 Service или Einstein GPT Service. Чтобы приобрести дополнительные компоненты, обратитесь к менеджеру по работе с клиентами Salesforce. |
Ограничения
- Маскировка данных LLM не всегда доступна во всех функциях. Дополнительную информацию см. в документации по функциям.
- Маскировка данных для LLM отключена для агентов. См. раздел «Маскировка данных и агенты». Для встроенных функций генеративного искусственного интеллекта, например, Einstein Service Replies, доступна маскировка данных Einstein Work Summaries, и ее можно настроить в настройках Einstein Trust Layer.
- Маскировка на основе шаблона: Хотя наши модели обнаружения доказали свою эффективность во время внутреннего тестирования, важно отметить, что ни одна модель не может гарантировать 100% точности. Кроме того, межрегиональные и многострановые сценарии использования могут повлиять на возможность обнаружения определенных схем данных. С Trust в качестве приоритета мы занимаемся постоянной оценкой и доработкой наших моделей.
- Маскировка на основе поля: Маскировка на основе полей поддерживается в Конструкторе подсказок и функциях искусственного интеллекта, использующих шаблоны подсказок. Маскировка на основе полей может использоваться только для полей слияния в напоминаниях, ссылающихся на поля записей и связанные списки.
Рекомендации
Маскировка данных может повлиять на быстрое заземление LLM. Рекомендуем протестировать любые конфигурации маскировки для обеспечения высокого качества ответов LLM. Используйте контрольный журнал для проверки поведения маскировки.
Учитывайте следующие отличия при настройке маскировки на основе схемы и поля:
| на основе шаблона | на основе поля |
|---|---|
| Автоматическое определение слоем Einstein Trust на основе сопоставления схем, контекста или моделей компьютерного обучения. | Обнаружение основано на тегах классификации данных в настроенных вами полях Salesforce. |
| Применяется ко всему тексту в напоминании, включая неструктурированные вводные данные, например, текст свободного формата, а также объединенные сведения из полей Salesforce. | Применяется только к полям слияния в шаблонах напоминаний. Поддерживаемые источники данных: Поля записей и связанные списки. |
| Поддерживает только отдельный список типов данных и языков. | Любое поле в организации Salesforce можно классифицировать и использовать для маскировки полей. |
Чтобы обеспечить более комплексную конфигурацию маскировки данных, примените классификацию данных к полям Salesforce и включите маскировку данных в настройках слоя Einstein Trust для соответствующих типов классификации. Включение маскировки на основе схемы может быть дополнительным уровнем защиты, поскольку она оценивает весь текст в напоминании о конфиденциальных данных.
Маскировка на основе шаблона зависит от вывода модели и несет неотъемлемые преимущества точности. Необычные имена или имена в неанглийских форматах не всегда надежно обнаруживаются и требуют дополнительной проверки или другой стратегии маскировки. Если маскировке не удается обнаружить значение, незамаскированные данные добавляются в напоминание, отправленное в модель большого языка (LLM). Прежде чем развертывать маскировку в производстве, протестируйте репрезентативные образцы данных, содержащие имена краевых регистров, актуальные для пользователей. Для высокой точности маскировки используйте маскировку на основе поля. Маскировка на основе полей работает над структурированными полями данных напрямую и более надежна, чем обнаружение на основе схемы.
