プライバシー、リージョン、コンプライアンス

データリージョンとデプロイリージョン#

オンボーディング中にPlatformは3つのデータリージョンへのレイテンシを測定し、最も近いリージョンを推奨します。選択したリージョンはアカウントのdataRegionになります。

データリージョンによって、Platformがデータセット、モデル、管理対象のトレーニングデータを保存する場所と、共有推論を実行する場所が決まります。次の3つは対象外です。

• 専用エンドポイントは、選択した42のデプロイリージョンのいずれかで実行されるため、EUのワークスペースから東京でサービスを提供することもでき、その場合、各リクエストの画像は東京に送られます。
• プロフィール、請求、アクティビティなどのアカウントレベルのデータは、プライバシーポリシーに記載のとおり、グローバルに処理されます。
• コンピューティングの場所。データリージョンはストレージの保証範囲です。契約で処理場所が制限されている場合は、トレーニング前にGPUとエンドポイントの場所をUltralyticsに確認するか、On Premiseを使用してください。

データリージョンはご自身では変更できず、サポートへのリクエストが必要です。チームワークスペースには、作成者のデータリージョンが引き継がれます。レイテンシではなく、契約に基づいて判断してください。

多国籍のユーザーにとって、レイテンシとデータ保管要件が相反する場合は、意図的に選択してください。データリージョン内に1つのエンドポイントを置く（コンプライアンスが最も簡単ですが、遠方のユーザーには遅くなります）、複数のリージョンにエンドポイントを置く（高速ですが、各リージョンにリクエスト画像が送信されるため、契約との適合性をそれぞれ確認する必要があります）、または管轄区域ごとにワークスペースを分ける（分離が最も強固ですが、運用負荷が増えます）方法があります。

公開範囲とアクセス#

新しいデータセットとプロジェクトは、FreeとProではデフォルトでPublic、EnterpriseではPrivateになります。Publicリソースは、サインアウト中の訪問者を含む誰でも閲覧でき、Exploreからクローンできます。後から非公開にしても、他のユーザーがすでに作成したコピーは削除されません。チームワークスペース（ProとEnterprise）には、4つのロールがあります。

各専用エンドポイントは1つのAPIキーに紐付けられており、キーの値を確認できるのはワークスペースのオーナーだけです。そのキーを削除してもエンドポイントはロックされません。ロックするには、デプロイを停止または削除する必要があります。

実践例：アップロード前の匿名化#

Platformでは顔をぼかせます。画像を右クリックして「Blur faces」を選択する（無料）、「More actions」からデータセット全体に適用する（画像1,000枚あたり$1.00）、または「New Dataset」ダイアログでぼかしを有効にすると、アップロード時の処理で無料でぼかされます。ナンバープレート、画面、通行人全体はぼかされず、接続済みデータセットでは利用できません。

それ以外の場合は、画像データがデバイスから外に出る前に匿名化してください。たとえばフォークリフトのプロジェクトでは、人は検出対象のクラスではなく通行人にあたるため、1人ずつ全身をぼかします。

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]は人物に対象を絞って検出します。フレームのフォルダーを処理するには、predictを指定します。
• conf=0.25はプライバシー保護のため意図的に低く設定します。人物を見逃すより、余分な領域をぼかすほうが安全です。それでも出力を抜き取り確認してください。検出器は小さい人物や遮蔽された人物を見逃すことがあります。
• anonymized/フォルダーのみをアップロードし、元の画像は保持ポリシーに従って保管してください。

判断の基準：人物が検出対象のクラスである場合は、顔だけをぼかします（Platformのツールを使用）。全身をぼかすと、モデルが学習するシグナルが失われるためです。人物が検出対象のクラスでない場合は、通行人全体をぼかします。ナンバープレートを個人データとして扱う規則がある場合は、マスキングします。EUやカリフォルニア州では、そのように扱われることがよくあります。カウントやアラートだけを外部に送信できる場合は、エッジで推論を実行し、フレームではなくメタデータを送信します。

保持と削除#

アクセスリクエストに対して、Settings > Profileの「Export All Data」を実行すると、メタデータ（プロフィール、データセット、プロジェクト、モデル、アクティビティ）のJSONファイルが作成されます。画像や重みは含まれません。

ローンチ前のコンプライアンスチェックリスト#

1. 顧客環境の外に送信されるデータは何ですか？フレーム、予測、それとも集計データのみですか？
2. データリージョンとデプロイリージョンはどこですか？それぞれが契約の要件を満たしていますか？
3. 機密データを含むすべてのデータセットとプロジェクトがPrivateになっていますか？以前に作成されたPublicのクローンも確認してください。
4. 必要に応じて顔をぼかし、ナンバープレートをマスキングしていますか？ぼかし漏れを誰が抜き取り確認しますか？
5. この顧客のデータをトレーニングに使用できますか？使用できない場合は、別のワークスペースに保管してください。
6. 依頼があったとき、顧客の画像をどのように削除しますか？対象のデータセットとゴミ箱での手順を明記してください。
7. 各ロールを誰が持ち、デプロイのAPIキーを誰が保持していますか？

Ultralyticsは、ISO/IEC 27001:2022およびSOC 2 Type Iへの準拠を含むセキュリティ体制を、セキュリティページで公開しています。規制対象のデプロイでは、コンプライアンス担当者の承認を得てください。

よくある落とし穴#