Конфиденциальность, регионы и соответствие требованиям

Регион данных и регион деплоя#

Во время первоначальной настройки Platform измеряет задержку до трех регионов данных и рекомендует ближайший. Твой выбор становится dataRegion аккаунта:

Регион данных определяет, где Platform хранит датасеты, модели и данные для управляемого обучения, а также где выполняется общий инференс. Три вещи находятся за его пределами:

• Выделенные эндпоинты работают в любом из выбранных тобой 42 регионов деплоя, поэтому рабочее пространство в EU может обслуживать запросы из Токио, куда отправляется изображение из каждого запроса.
• Данные на уровне аккаунта, например профиль, платежные данные и активность, обрабатываются глобально, как описано в политике конфиденциальности.
• Расположение вычислений. Регион данных гарантирует место хранения. Если договор ограничивает место обработки, перед обучением уточни расположение GPU и эндпоинтов у Ultralytics или используй On Premise.

Самостоятельно изменить регион данных нельзя — для этого нужно обратиться в поддержку. Рабочие пространства команды наследуют регион данных создавшего их пользователя. Принимай решение с учетом договора, а не задержки:

Если для пользователей из разных стран низкая задержка противоречит требованиям к локализации данных, выбирай осознанно: один эндпоинт в регионе данных (проще всего обеспечить соответствие требованиям, но для удаленных пользователей будет медленнее); эндпоинты в нескольких регионах (быстрее, но изображения из запросов поступают в каждый регион, поэтому сверь каждый с договором); или отдельные рабочие пространства для каждой юрисдикции (максимальное разделение, но больше усилий на обслуживание).

Видимость и доступ#

Для новых датасетов и проектов по умолчанию устанавливается Public на тарифах Free и Pro и Private на Enterprise. Публичные ресурсы может просматривать кто угодно, в том числе пользователи без входа в систему, и клонировать их из раздела Explore; если позже сделать ресурс приватным, уже созданные другими пользователями копии не исчезнут. В рабочих пространствах команды (Pro и Enterprise) используются четыре роли:

Каждый выделенный эндпоинт привязан к одному API-ключу, а просматривать значения ключей может только владелец рабочего пространства. Удаление ключа не блокирует эндпоинт; для этого нужно остановить или удалить деплой.

Пример: анонимизация перед загрузкой#

Platform размывает лица: щелкни изображение правой кнопкой мыши и выбери Размыть лица (бесплатно), запусти обработку всего датасета через Другие действия (1,00 $ за 1 000 изображений) или включи размытие в диалоге «Новый датасет», чтобы изображения размывались при обработке без дополнительной платы. Эта функция не размывает номерные знаки, экраны и посторонних людей целиком и недоступна для подключенных датасетов.

Для всего остального анонимизируй изображения до того, как пиксели покинут твой компьютер. Например, в проекте с вилочными погрузчиками люди — посторонние, а не класс, который ты определяешь, поэтому размывай каждого целиком:

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] ограничивает обнаружение людьми; укажи в predict папку с кадрами, чтобы обработать всю партию.
• conf=0.25 намеренно низкий: для конфиденциальности лишнее размытое пятно лучше, чем пропущенный человек. Все равно выборочно проверяй результат, потому что детекторы могут пропускать небольших и частично закрытых людей.
• Загружай только папку anonymized/, а оригиналы храни в соответствии со своей политикой хранения.

Правила принятия решений: размывай только лица (инструмент Platform), если люди — класс, который ты определяешь, поскольку размытие всего тела уничтожит сигнал, на котором обучается модель. Размывай посторонних людей целиком, если люди не являются классом. Маскируй номерные знаки, если правила считают их персональными данными, как это часто бывает в EU и Калифорнии. Если за пределы объекта могут передаваться только счетчики или оповещения, запускай инференс на периферийном устройстве и отправляй метаданные вместо кадров.

Хранение и удаление#

Для запросов на доступ пункт Экспортировать все данные в Настройки > Профиль создает JSON-файл с твоими метаданными (профилем, датасетами, проектами, моделями, активностью), но не с изображениями или весами.

Контрольный список соответствия требованиям перед запуском#

1. Что покидает среду клиента? Кадры, предсказания или только агрегированные данные?
2. Каковы регион данных и регионы деплоя? Каждый ли из них соответствует договору?
3. У всех ли конфиденциальных датасетов и проектов установлен статус Private? Проверь, не создавались ли ранее публичные копии.
4. Размыты ли лица и замаскированы ли номерные знаки там, где это необходимо? Кто проверяет, что размытие ничего не пропустило?
5. Разрешено ли тебе вообще обучать модель на данных этого клиента? Если нет, храни данные в отдельном рабочем пространстве.
6. Как по запросу удалить изображения одного клиента? Укажи датасеты и действие с корзиной.
7. У кого какая роль и кто хранит API-ключи деплоя?

Ultralytics публикует сведения о мерах безопасности, включая соответствие ISO/IEC 27001:2022 и SOC 2 Type I, на странице безопасности. Передай любой деплой, подпадающий под требования регулирующих норм, на утверждение специалисту по соответствию требованиям.

Подводные камни#