Datenschutz, Regionen und Compliance

Datenregion und Deployment-Region#

Während der Einrichtung misst die Platform die Latenz zu ihren drei Datenregionen und empfiehlt die nächstgelegene. Deine Auswahl wird zur dataRegion des Kontos:

Die Datenregion bestimmt, wo die Platform Datensätze, Modelle und verwaltete Trainingsdaten speichert und wo die gemeinsame Inferenz ausgeführt wird. Drei Dinge fallen nicht darunter:

• Dedizierte Endpunkte werden in einer der 42 Deployment-Regionen ausgeführt, die du auswählst. So kann ein EU-Arbeitsbereich Anfragen aus Tokio bedienen, und das Bild jeder Anfrage wird dorthin übertragen.
• Daten auf Kontoebene wie Profil-, Abrechnungs- und Aktivitätsdaten werden weltweit verarbeitet, wie in der Datenschutzerklärung beschrieben.
• Standort der Datenverarbeitung. Die Datenregion ist eine Zusicherung zum Speicherort. Wenn ein Vertrag den Ort der Verarbeitung einschränkt, bestätige vor dem Training bei Ultralytics die Standorte von GPU und Endpunkt oder verwende On Premise.

Du kannst die Datenregion nicht selbst ändern; dafür ist eine Supportanfrage erforderlich. Team-Arbeitsbereiche übernehmen die Datenregion der Person, die sie erstellt. Richte deine Entscheidung am Vertrag aus, nicht an der Latenz:

Wenn Latenz und Datenresidenz für Nutzer in mehreren Ländern unterschiedliche Anforderungen stellen, entscheide bewusst: ein Endpunkt in der Datenregion (einfachste Compliance, langsamere Verbindung für weit entfernte Nutzer), Endpunkte in mehreren Regionen (schneller, aber jede Region erhält Anforderungsbilder; prüfe deshalb jede Region anhand des Vertrags) oder separate Arbeitsbereiche für jede Rechtsordnung (stärkste Trennung, höherer Betriebsaufwand).

Sichtbarkeit und Zugriff#

Neue Datensätze und Projekte sind bei Free und Pro standardmäßig Öffentlich und bei Enterprise Privat. Öffentliche Ressourcen kann jeder ansehen, auch ohne angemeldet zu sein, und über Explore klonen. Wenn du eine Ressource später auf „Privat“ setzt, werden bereits erstellte Kopien dadurch nicht entfernt. Team-Arbeitsbereiche (Pro und Enterprise) verwenden vier Rollen:

Jeder dedizierte Endpunkt ist an einen API-Schlüssel gebunden, und nur der Arbeitsbereichsinhaber kann Schlüsselwerte anzeigen. Wird der Schlüssel gelöscht, wird der Endpunkt nicht gesperrt; dafür muss das Deployment gestoppt oder gelöscht werden.

Beispiel: Vor dem Upload anonymisieren#

Die Platform verwischt Gesichter: Klicke mit der rechten Maustaste auf ein Bild und wähle Gesichter verwischen (kostenlos), führe die Funktion über Weitere Aktionen für einen ganzen Datensatz aus (1,00 $ pro 1.000 Bilder) oder aktiviere das Verwischen im Dialog „Neuer Datensatz“, damit Bilder während der Verarbeitung kostenlos verwischt werden. Kennzeichen, Bildschirme und unbeteiligte Personen werden nicht verwischt. Außerdem ist die Funktion bei verbundenen Datensätzen nicht verfügbar.

Anonymisiere alles Weitere, bevor die Bilddaten dein Gerät verlassen. In einem Gabelstaplerprojekt sind Personen beispielsweise unbeteiligte Passanten und keine Klasse, die du erkennst. Verwische daher jede Person vollständig:

from pathlib import Path

import cv2

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # swap in a plate or face detector for those objects
out = Path("anonymized")
out.mkdir(exist_ok=True)

for result in model.predict("https://ultralytics.com/images/bus.jpg", classes=[0], conf=0.25, verbose=False):
    img = result.orig_img
    for x1, y1, x2, y2 in result.boxes.xyxy.int().tolist():
        img[y1:y2, x1:x2] = cv2.GaussianBlur(img[y1:y2, x1:x2], (51, 51), 0)  # irreversible once saved
    cv2.imwrite(str(out / Path(result.path).name), img)
    print(f"{Path(result.path).name}: blurred {len(result.boxes)} people")

bus.jpg: blurred 4 people

• classes=[0] beschränkt die Erkennung auf Personen; gib bei predict den Ordner mit deinen Bildern an, um einen ganzen Stapel zu verarbeiten.
• conf=0.25 ist absichtlich niedrig angesetzt: Für den Datenschutz ist ein zusätzlich verwischter Bereich besser als eine übersehene Person. Prüfe die Ausgabe trotzdem stichprobenartig, denn kleine und teilweise verdeckte Personen werden von Erkennungsmodellen übersehen.
• Lade nur den Ordner anonymized/ hoch und bewahre die Originale entsprechend deiner Aufbewahrungsrichtlinie auf.

Entscheidungsregeln: Verwische nur Gesichter (mit dem Tool der Platform), wenn Personen eine Klasse sind, die du erkennst, denn das Verwischen ganzer Körper würde die Signale zerstören, aus denen das Modell lernt. Verwische unbeteiligte Personen vollständig, wenn Personen keine Klasse sind. Maskiere Kennzeichen, wenn deine Vorschriften sie als personenbezogene Daten einstufen, wie es in der EU und häufig auch in Kalifornien der Fall ist. Wenn nur Zählwerte oder Warnmeldungen den Standort verlassen dürfen, führe die Inferenz am Rand des Netzwerks aus und sende statt der Bilder Metadaten.

Aufbewahrung und Löschung#

Bei Auskunftsanfragen erstellt Alle Daten exportieren unter Einstellungen > Profil eine JSON-Datei mit deinen Metadaten (Profil, Datensätze, Projekte, Modelle und Aktivitäten), aber nicht mit Bildern oder Modellgewichten.

Compliance-Checkliste vor dem Start#

1. Was verlässt die Umgebung des Kunden? Bilder, Vorhersagen oder nur aggregierte Daten?
2. Welche Datenregionen und welche Deployment-Regionen? Erfüllt jede die Vertragsbedingungen?
3. Ist jeder sensible Datensatz und jedes sensible Projekt privat? Prüfe, ob zuvor öffentliche Klone erstellt wurden.
4. Sind Gesichter verwischt und Kennzeichen maskiert, wo es erforderlich ist? Wer prüft stichprobenartig, was beim Verwischen übersehen wurde?
5. Darfst du überhaupt mit den Daten dieses Kunden trainieren? Falls nicht, speichere sie in einem separaten Arbeitsbereich.
6. Wie löschst du auf Anfrage die Bilder eines Kunden? Nenne die Datensätze und den Schritt zum Verschieben in den Papierkorb.
7. Wer hat welche Rolle und wer besitzt die API-Schlüssel für Deployments?

Ultralytics veröffentlicht seine Sicherheitsmaßnahmen, einschließlich der Konformität mit ISO/IEC 27001:2022 und SOC 2 Type I, auf der Sicherheitsseite. Lass jede regulierte Bereitstellung von einer für Compliance zuständigen Person freigeben.

Stolperfallen#