Privacidad, regiones y cumplimiento

Región de datos frente a región de despliegue#

Durante la incorporación, Platform mide la latencia a sus tres regiones de datos y recomienda la más cercana. Tu elección pasa a ser la dataRegion de la cuenta:

La región de datos determina dónde almacena Platform los conjuntos de datos, los modelos y los datos de entrenamiento gestionados, así como dónde se ejecuta la inferencia compartida. Hay tres elementos que quedan fuera de ella:

• Los puntos de conexión dedicados se ejecutan en cualquiera de las 42 regiones de despliegue que elijas; así, un espacio de trabajo de la UE puede ofrecer servicio desde Tokio, y la imagen de cada solicitud se envía allí.
• Los datos de la cuenta, como el perfil, la facturación y la actividad, se procesan a escala global, tal como se describe en la política de privacidad.
• Ubicación del procesamiento. La región de datos garantiza el almacenamiento. Si un contrato restringe dónde se realiza el procesamiento, confirma con Ultralytics la ubicación de la GPU y de los puntos de conexión antes de entrenar, o utiliza On Premise.

No puedes cambiar tú mismo la región de datos; debes solicitarlo al equipo de asistencia. Los espacios de trabajo de equipo heredan la región de datos de la persona que los crea. Toma la decisión basándote en el contrato, no en la latencia:

Si la latencia y la residencia entran en conflicto para usuarios multinacionales, elige conscientemente: un punto de conexión en la región de datos (cumplimiento más sencillo, pero más lento para los usuarios lejanos); puntos de conexión en varias regiones (más rápido, pero cada región recibe imágenes de las solicitudes, así que comprueba que cada una cumpla el contrato); o espacios de trabajo separados por jurisdicción (mayor separación, pero más tareas operativas).

Visibilidad y acceso#

Los conjuntos de datos y proyectos nuevos son Públicos de forma predeterminada en Free y Pro, y Privados en Enterprise. Cualquiera puede ver los recursos públicos, incluso sin haber iniciado sesión, y clonarlos desde Explorar; hacer privado un recurso más adelante no elimina las copias que ya hayan clonado otras personas. Los espacios de trabajo de equipo (Pro y Enterprise) ofrecen cuatro roles:

Cada punto de conexión dedicado está asociado a una clave de API, y solo el propietario del espacio de trabajo puede ver los valores de las claves. Eliminar esa clave no bloquea el punto de conexión; para ello, debes detener o eliminar el despliegue.

Ejemplo resuelto: anonimizar antes de subir#

Platform difumina las caras: haz clic con el botón derecho en una imagen y elige Difuminar caras (gratis), aplica la opción a todo un conjunto de datos desde Más acciones (1,00 $ por cada 1000 imágenes) o activa el difuminado en el cuadro de diálogo Nuevo conjunto de datos para que las imágenes se difuminen durante el procesamiento de las cargas sin coste. No difumina matrículas ni pantallas, ni oculta por completo a las personas ajenas, y no está disponible en los conjuntos de datos conectados.

Para cualquier otro caso, anonimiza las imágenes antes de que los píxeles salgan de tu máquina. Por ejemplo, en un proyecto con carretillas elevadoras, las personas son transeúntes, no una clase que detectes, así que difumina por completo a cada una:

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] limita las detecciones a personas; indica la carpeta de fotogramas con predict para procesar todo un lote.
• conf=0.25 es intencionadamente bajo: por privacidad, es preferible difuminar una zona de más que no detectar a una persona. Aun así, revisa los resultados, porque los detectores no detectan a personas pequeñas o parcialmente ocultas.
• Sube solo la carpeta anonymized/ y conserva los originales según lo que establezca tu política de conservación.

Criterios de decisión: difumina solo las caras (con la herramienta de Platform) cuando las personas sean una clase que detectes, porque difuminar cuerpos enteros destruiría la señal de la que aprende el modelo. Difumina por completo a las personas ajenas cuando las personas no sean una clase. Oculta las matrículas cuando tus normas las consideren datos personales, como suele ocurrir en la UE y California. Cuando solo puedan salir del sitio los recuentos o las alertas, ejecuta la inferencia en el borde y envía metadatos en lugar de fotogramas.

Conservación y eliminación#

Para las solicitudes de acceso, Exportar todos los datos en Configuración > Perfil genera un archivo JSON con tus metadatos (perfil, conjuntos de datos, proyectos, modelos y actividad), pero no incluye imágenes ni pesos.

Lista de comprobación de cumplimiento previa al lanzamiento#

1. ¿Qué sale del entorno del cliente? ¿Fotogramas, predicciones o solo datos agregados?
2. ¿Qué región de datos y qué regiones de despliegue? ¿Cumplen todas el contrato?
3. ¿Son privados todos los conjuntos de datos y proyectos sensibles? Comprueba si se crearon clones públicos anteriormente.
4. ¿Se difuminan las caras y se ocultan las matrículas cuando es necesario? ¿Quién revisa lo que no se haya difuminado?
5. ¿Tienes permiso para entrenar con los datos de este cliente? Si no, guárdalos en un espacio de trabajo independiente.
6. ¿Cómo eliminas las imágenes de un cliente cuando lo solicita? Indica los conjuntos de datos y el paso de la papelera.
7. ¿Quién tiene cada rol y quién tiene las claves de API del despliegue?

Ultralytics publica información sobre su seguridad, incluido el cumplimiento de ISO/IEC 27001:2022 y SOC 2 Type I, en la página de seguridad. Pide a una persona encargada de revisar el cumplimiento que apruebe cualquier despliegue regulado.

Errores habituales#