Gegevens en privacy voor Personalizer
Belangrijk
Vanaf 20 september 2023 kunt u geen nieuwe Personalizer-resources maken. De Personalizer-service wordt op 1 oktober 2026 buiten gebruik gesteld.
Dit artikel bevat informatie over welke gegevens Azure AI Personalizer gebruikt om te werken, hoe deze gegevens worden verwerkt en hoe u die gegevens kunt beheren. Hierbij wordt ervan uitgegaan dat u basiskennis hebt van wat Personalizer is en hoe Personalizer werkt. Specifieke termen vindt u in Terminologie.
Welke gegevens verwerkt Personalizer?
Personalizer verwerkt de volgende typen gegevens:
- Contextfuncties en actiefuncties: uw toepassing verzendt informatie over gebruikers en de producten of inhoud die moeten worden aangepast, in geaggregeerde vorm. Deze gegevens worden verzonden naar Personalizer in elke Rank API-aanroep in argumenten voor context en acties. U bepaalt wat u naar de API wilt verzenden en hoe u deze samenvoegt. De gegevens worden uitgedrukt als kenmerken of functies. U verstrekt informatie over uw gebruikers, zoals hun apparaat en hun omgeving, als contextfuncties. U moet geen functies verzenden die specifiek zijn voor een gebruiker, zoals een telefoonnummer of e-mail of gebruikers-id's. Actiefuncties bevatten informatie over uw inhoud en product, zoals filmgenre of productprijs. Zie Functies voor acties en context voor meer informatie.
- Beloningsgegevens: Een beloningsscore (een getal tussen 0 en 1) rangschikt hoe goed de gebruikersinteractie die het gevolg is van de keuze voor persoonlijke instellingen die is toegewezen aan een bedrijfsdoel. Een gebeurtenis kan bijvoorbeeld een beloning van '1' krijgen als op een aanbevolen artikel is geklikt. Zie Rewards voor meer informatie.
Zie Functies zijn informatie over acties en context voor meer informatie over welke informatie u doorgaans gebruikt met Personalizer.
[! TIP] U bepaalt welke functies u moet gebruiken, hoe u deze samenvoegt en waar de informatie vandaan komt wanneer u de Personalizer Rank-API aanroept in uw toepassing. U bepaalt ook hoe u beloningsscores maakt.
Hoe verwerkt Personalizer gegevens?
In het volgende diagram ziet u hoe uw gegevens worden verwerkt.
Personalizer verwerkt gegevens als volgt:
Personalizer ontvangt telkens wanneer de toepassing de Rank-API aanroept voor een persoonlijke gebeurtenis. De gegevens worden verzonden via de argumenten voor de context en acties.
Personalizer gebruikt de informatie in de context en acties, de interne AI-modellen en de serviceconfiguratie om het rangschikkingsantwoord te retourneren voor de id van de actie die moet worden gebruikt. De inhoud van de context en acties wordt maximaal 48 uur in tijdelijke caches opgeslagen met de EventID die wordt gebruikt of gegenereerd in de Rank-API.
De toepassing roept vervolgens de Reward-API aan met een of meer beloningsscores. Deze informatie wordt ook opgeslagen in tijdelijke caches en gekoppeld aan de acties en contextinformatie.
Nadat de rang- en beloningsinformatie voor gebeurtenissen is gecorreleerd, wordt deze verwijderd uit tijdelijke caches en in permanente opslag geplaatst. Het blijft in permanente opslag totdat het aantal dagen dat is opgegeven in de instelling Gegevensretentie is verstreken, op welk moment de informatie wordt verwijderd. Als u ervoor kiest om geen aantal dagen op te geven in de instelling Voor gegevensretentie, worden deze gegevens opgeslagen zolang de Personalizer Azure-resource niet wordt verwijderd of totdat u ervoor kiest om gegevens te wissen via de gebruikersinterface of API's. U kunt de instelling voor gegevensretentie op elk gewenst moment wijzigen.
Personalizer traint voortdurend interne Personalizer AI-modellen die specifiek zijn voor deze Personalizer-lus met behulp van de gegevens in de permanente opslag- en machine learning-configuratieparameters in learning-instellingen.
Personalizer maakt offline evaluaties automatisch of op aanvraag. Offlineevaluaties bevatten een rapport met beloningen die zijn verkregen door Personalizer-modellen gedurende een eerdere periode. Met een offline evaluatie worden de modellen die actief zijn op het moment van het maken ingesloten en de leerinstellingen die worden gebruikt om ze te maken, evenals een historisch aggregaat van de gemiddelde beloning per gebeurtenis voor dat tijdvenster. Evaluaties omvatten ook het belang van functies, een lijst met functies die in de periode zijn waargenomen en hun relatieve belang in het model.
Onafhankelijkheid van Personalizer-lussen
Elke Personalizer-lus is als volgt gescheiden en onafhankelijk van anderen:
- Geen uitbreiding van externe gegevens: elke Personalizer-lus gebruikt alleen de gegevens die u hiertoe hebt geleverd via Rank- en Reward-API-aanroepen om modellen te trainen. Personalizer gebruikt geen aanvullende informatie van enige oorsprong, zoals andere Personalizer-lussen in uw eigen Azure-abonnement, Microsoft, bronnen van derden of subprocessors.
- Geen gegevens, modellen of gegevens delen: een Personalizer-lus deelt geen informatie over gebeurtenissen, functies en modellen met andere Personalizer-lus in uw abonnement, Microsoft, derden of subprocessors.
Hoe worden gegevens bewaard en welke klantbesturingselementen zijn beschikbaar?
Personalizer behoudt verschillende typen gegevens op verschillende manieren en biedt de volgende besturingselementen voor elk.
Personalizer-rangschikking en beloningsgegevens
Personalizer slaat de functies op over acties en context die worden verzonden via rang- en beloningsoproepen voor het aantal dagen dat is opgegeven in de configuratie onder Gegevensretentie. U kunt het volgende doen om deze gegevensretentie te beheren:
Geef het aantal dagen op voor het bewaren van logboekopslag in Azure Portal voor de Personalizer-resourceonder Bewaren van configuratiegegevens>of via de API. De standaardinstelling voor gegevensretentie is zeven dagen. Personalizer verwijdert alle rang- en beloningsgegevens die ouder zijn dan dit aantal dagen automatisch.
Wis gegevens voor geregistreerde persoonlijke instellingen en beloningsgegevens in De Azure-portal onder Model- en leerinstellingen>Wis gegevens>die zijn geregistreerd voor persoonlijke instellingen en beloningsgegevens of via de API.
Verwijder de Personalizer-lus uit uw abonnement in Azure Portal of via Azure Resource Management-API's.
U kunt geen toegang krijgen tot eerdere gegevens vanuit Rank- en Reward-API-aanroepen in de Personalizer-resource. Als u alle gegevens wilt zien die worden opgeslagen, configureert u logboekspiegeling om een kopie van deze gegevens te maken op een Azure Blob Storage-resource die u hebt gemaakt en die verantwoordelijk zijn voor het beheren.
Tijdelijke cache voor Personalizer
Personalizer slaat gedeeltelijke gegevens over een gebeurtenis op, gescheiden van rang- en beloningsaanroepen in tijdelijke caches. Gebeurtenissen worden automatisch verwijderd uit de tijdelijke cache 48 uur vanaf het moment dat de gebeurtenis heeft plaatsgevonden.
Als u tijdelijke gegevens wilt verwijderen, kunt u het volgende doen:
Wis gegevens voor geregistreerde persoonlijke instellingen en beloningsgegevens in Azure Portal onder Model- en leerinstellingen>Gegevens wissen of via de API.
Verwijder de Personalizer-lus uit uw abonnement in Azure Portal of via Azure Resource Management-API's.
Personalizer-modellen en -leerinstellingen
Met een Personalizer-lus worden modellen getraind met gegevens uit Rank- en Reward-API-aanroepen, gebaseerd op de hyperparameters en configuratie die zijn opgegeven in model- en leerinstellingen in Azure Portal. Modellen zijn vluchtig. Ze veranderen voortdurend en worden in bijna realtime getraind op aanvullende gegevens. Personalizer slaat oudere modellen niet automatisch op en blijft ze overschrijven met de nieuwste modellen. Zie voor meer informatie (Modellen en leerinstellingen beheren). Modellen en leerinstellingen wissen:
Stel ze opnieuw in de Azure-portal in onder Model- en leerinstellingen>Gegevens wissen of via de API.
Verwijder de Personalizer-lus uit uw abonnement in Azure Portal of via Azure Resource Management-API's.
Evaluatierapporten van Personalizer
Personalizer behoudt ook de informatie die wordt gegenereerd in offlineevaluaties voor rapporten.
Als u offline evaluatierapporten wilt verwijderen, kunt u het volgende doen:
Ga naar de Personalizer-lus onder Azure Portal. Ga naar Evaluaties en verwijder de relevante evaluatie.
Verwijder evaluaties via de Evaluaties-API.
Verwijder de Personalizer-lus uit uw abonnement in Azure Portal of via Azure Resource Management-API's.
Verdere overwegingen voor opslag
- Door de klant beheerde sleutels: Klanten kunnen de service configureren voor het versleutelen van data-at-rest met hun eigen beheerde sleutels. Deze tweede versleutelingslaag staat boven op de eigen versleuteling van Microsoft.
- Geografie: In alle gevallen worden de binnenkomende gegevens, modellen en evaluaties verwerkt en opgeslagen in dezelfde geografie waar de Personalizer-resource is gemaakt.
Zie ook:
Volgende stappen
Zie het Vertrouwenscentrum van Microsoft voor meer informatie over de privacy- en beveiligingsverplichtingen van Microsoft.