Gegevens, privacy en beveiliging voor modellen die worden verkocht door Azure in Microsoft Foundry

Belangrijk

Niet-Engelse vertalingen zijn alleen voor het gemak beschikbaar. Raadpleeg de EN-US versie van dit document voor de definitieve versie.

Dit artikel bevat informatie over hoe gegevens die u hebt verstrekt aan Foundry-modellen die worden verkocht door Azure in Microsoft Foundry worden verwerkt, gebruikt en opgeslagen. Een 'model verkocht door Azure' is een AI-model dat als zodanig is aangewezen en geïmplementeerd in Foundry en Azure OpenAI-modellen bevat. Modellen die worden verkocht door Azure gegevens opslaan en verwerken om de service te leveren en te controleren op gebruik die in strijd zijn met de toepasselijke productvoorwaarden. Zie ook Addendum voor gegevensbescherming voor Microsoft-producten en -services, dat de gegevensverwerking regelt van modellen die via Azure worden verkocht. Foundry is een Azure-service; learn meer over toepasselijke Azure nalevingsaanbiedingen.

Belangrijk

Uw prompts (invoer) en voltooiingen (uitvoer), uw insluitingen en uw trainingsgegevens:

  • zijn NIET beschikbaar voor andere klanten.
  • zijn NIET beschikbaar voor OpenAI of andere providers van modellen die worden verkocht door Azure.
  • worden NIET gebruikt door aanbieders van modellen die door Azure worden verkocht om hun modellen of services te verbeteren.
  • worden NIET gebruikt voor het trainen van generatieve AI-basismodellen zonder uw toestemming of instructie.
  • Klantgegevens, prompts en voltooiingen worden NIET gebruikt om Microsoft of producten of services van derden te verbeteren zonder uw expliciete toestemming of instructie.

Uw verfijnde modellen die door Azure worden verkocht, zijn uitsluitend beschikbaar voor uw gebruik.

Foundry is een Azure service; Microsoft host de modellen die worden verkocht door Azure in Microsoft Azure omgeving en modellen die worden verkocht door Azure werken niet met services die worden beheerd door providers van modellen die worden verkocht door Azure, bijvoorbeeld OpenAI (bijvoorbeeld ChatGPT of de OpenAI-API).

Welke gegevens verwerkt Foundry om modellen te leveren die worden verkocht door Azure?

Foundry verwerkt de volgende typen gegevens om modellen te leveren die worden verkocht door Azure:

  • Vragen en gegenereerde inhoud. Wanneer de gebruiker prompts indient, wordt inhoud gegenereerd door de service, via de voltooiingen, chatvoltooiingen, afbeeldingen en insluitingsbewerkingen.
  • Geüploade gegevens. U kunt uw eigen gegevens uploaden voor gebruik met bepaalde servicefuncties (bijvoorbeeld verfijning, assistenten-API, batchverwerking) met behulp van de Files-API of vectoropslag.
  • Gegevens voor Stateful entiteiten. Wanneer u bepaalde optionele functies gebruikt van modellen die door Azure en Agents worden verkocht, zoals de Responses API, de functie Threads van de Assistants API en Stored completions, maakt de service een gegevensopslag om de berichtgeschiedenis en andere inhoud op te slaan, afhankelijk van hoe u de functie configureert.
  • Aangevulde gegevens die zijn opgenomen in of via prompts. Wanneer u gegevens gebruikt die zijn gekoppeld aan stateful entiteiten, haalt de service relevante gegevens op uit een geconfigureerde gegevensopslag en wordt de prompt aangepast om generaties te produceren die zijn onderbouwd met uw gegevens. Prompts kunnen ook worden uitgebreid met gegevens die zijn opgehaald uit een bron die is opgenomen in de prompt zelf, zoals een URL.
  • Trainings- en validatiegegevens. U kunt uw eigen trainingsgegevens opgeven die bestaan uit paar prompt-voltooiingen voor het fijn-tunen van een model.

Hoe verwerkt Foundry gegevens om modellen te leveren die worden verkocht door Azure?

In het onderstaande diagram ziet u hoe uw gegevens worden verwerkt. In dit diagram worden verschillende soorten verwerking behandeld:

  1. Hoe Foundry uw prompts verwerkt via deductie met modellen die door Azure worden verkocht om inhoud te genereren (inclusief wanneer extra gegevens uit een aangewezen gegevensbron worden toegevoegd aan een prompt met behulp van Azure OpenAI voor uw gegevens, assistenten of batchverwerking).
  2. Hoe de functie Virtual Assistants gegevens opslaat in verband met berichten, threads en processen.
  3. Hoe de functie Antwoorden-API gegevens opslaat om de berichtgeschiedenis te behouden.
  4. Hoe de Batch-functie uw geüploade gegevens verwerkt.
  5. Hoe Foundry een aangepast (aangepast) model maakt met uw geüploade gegevens.
  6. Hoe Foundry en Microsoft personeel prompts en voltooiingen (tekst en afbeelding) analyseert voor schadelijke inhoud en voor patronen die het gebruik van de service voorstellen op een manier die de gedragscode of andere toepasselijke productvoorwaarden schendt.

Gegevensstroomdiagram voor de service.

Zoals wordt weergegeven in het bovenstaande diagram, kunnen beheerde klanten een aanvraag indienen voor het wijzigen van misbruikbewaking.

Voltooiingen, afbeeldingen of embedingen genereren via inferentie

Modellen die Azure verkoopt (basis- of fijn afgestemde modellen) en die in uw Foundry-resource zijn geïmplementeerd, verwerken uw prompts en genereren reacties met tekst, afbeeldingen of embeddings. Prompts en voltooiingen worden in realtime geëvalueerd voor schadelijke inhoudstypen en het genereren van inhoud wordt gefilterd op basis van geconfigureerde drempelwaarden. Meer informatie vindt u in het overzicht van guardrails (eerder inhoudsfilters).

Prompts en antwoorden worden verwerkt binnen de door de klant opgegeven geografie (tenzij u een globaal of DataZone-implementatietype gebruikt), maar kan worden verwerkt tussen regio's binnen de geografie voor operationele doeleinden (inclusief prestatie- en capaciteitsbeheer). Zie hieronder voor informatie over de locatie van verwerking bij het gebruik van een globaal of datazone-implementatietype.

De modellen zijn staatloos: er worden geen prompts of voltooiingen opgeslagen in het model. Daarnaast worden prompts en voltooiingen niet gebruikt om de basismodellen te trainen, opnieuw te trainen of te verbeteren.

Informatie over de locatie van verwerking voor implementatietypen 'Globaal' en 'Gegevenszone'.

Naast standaardimplementaties biedt Foundry modellen die worden verkocht door Azure implementatieopties die zijn gelabeld als 'Global' en 'DataZone'. Voor elk type deployment met het label 'Algemeen', kunnen prompts en antwoorden worden verwerkt in elke geografie waar het relevante model dat door Azure wordt verkocht, wordt geïmplementeerd (meer informatie over regiobeschikbaarheid van modellen). Voor elk implementatietype dat is gelabeld als 'DataZone', kunnen prompts en antwoorden worden verwerkt in elke geografie binnen de opgegeven gegevenszone, zoals gedefinieerd door Microsoft. Als u een DataZone-implementatie maakt in een Foundry-resource in de Verenigde Staten, kunnen prompts en antwoorden overal in de Verenigde Staten worden verwerkt. Als u een DataZone-implementatie maakt in een Foundry-resource die zich in een lidland van de Europese Unie bevindt, kunnen prompts en antwoorden worden verwerkt in die of een andere lidland van de Europese Unie. Voor zowel algemene als datazone-implementatietypen worden alle gegevens die in rust zijn opgeslagen, zoals geüploade gegevens, en inclusief het gegevensarchief voor het bewaken van misbruik dat is gemaakt voor wereldwijde en DataZone-implementaties, opgeslagen in de door de klant aangewezen geografie. Alleen de locatie van de verwerking wordt beïnvloed wanneer een klant gebruikmaakt van een globaal implementatietype of datazone-implementatietype in modellen die worden verkocht door Azure; Azure gegevensverwerkings- en nalevingsverplichtingen van toepassing blijven.

Prompts uitbreiden om gegenereerde resultaten te baseren op uw gegevens

Met de functie Azure OpenAI 'op uw gegevens' kunt u gegevensbronnen verbinden om de gegenereerde resultaten met uw gegevens vast te leggen. De gegevens blijven opgeslagen in de gegevensbron en locatie die u aanwijst; Azure OpenAI maakt geen dubbel gegevensarchief. Wanneer een gebruikersprompt wordt ontvangen, haalt de service relevante gegevens op uit de verbonden gegevensbron en wordt de prompt vergroot. Het model verwerkt deze uitgebreide prompt en de gegenereerde inhoud wordt geretourneerd zoals hierboven beschreven. Meer informatie over het veilig gebruiken van de functie On Your Data.

Gegevensopslag voor modellen die worden verkocht via Azure-functies

Sommige modellen die worden verkocht via de Azure-featurestore, slaan gegevens op in de service. Deze gegevens worden ofwel door de klant geüpload, met behulp van de Files-API of een vectoropslagplaats, of ze worden automatisch opgeslagen in verband met bepaalde stateful entiteiten, zoals de Antwoorden-API, de Thread-functie van de Assistent-API en opgeslagen afrondingen. Gegevens die zijn opgeslagen voor dergelijke functies:

  • Wordt in rust opgeslagen in de Foundry-resource in de Azure-tenant van de klant, binnen dezelfde geografie als de resource;
  • Wordt altijd at-rest versleuteld met de AES-256-versleuteling van Microsoft, met de optie om een door de klant beheerde sleutel te gebruiken (bepaalde preview-functies ondersteunen mogelijk geen door de klant beheerde sleutels). Microsoft beheerde sleutels worden altijd gebruikt om basislijnversleuteling voor alle opgeslagen gegevens te garanderen.
  • Kan op elk gewenst moment door de klant worden verwijderd.

Opmerking

Modellen of functies in preview ondersteunen mogelijk niet alle bovenstaande voorwaarden.

Opgeslagen gegevens kunnen worden gebruikt met de volgende servicefuncties/-mogelijkheden:

  • Een aangepast (afgestemd) model maken. Meer informatie over hoe verfijning werkt. Nauwkeurig afgestemde modellen zijn uitsluitend beschikbaar voor de klant wiens gegevens zijn gebruikt voor het maken van het nauwkeurig afgestemde model, worden versleuteld wanneer ze niet actief zijn (wanneer ze niet worden geïmplementeerd voor inferencing) en kunnen op elk moment door de klant worden verwijderd. Trainingsgegevens die zijn geüpload voor het afstemmen, worden niet gebruikt voor het trainen van generatieve AI-basismodellen zonder uw toestemming of instructie.
  • Batchverwerking Meer informatie over hoe batchverwerking werkt. Batchverwerking is een globaal implementatietype; gegevens die in rust zijn opgeslagen, blijven in de aangewezen Azure geografie totdat de verwerkingscapaciteit beschikbaar is; verwerking kan plaatsvinden in elke geografie waar het relevante model dat door Azure wordt verkocht, wordt geïmplementeerd (meer informatie over regio-beschikbaarheid van modellen).
  • Antwoord-API. Meer informatie over hoe de Antwoorden-API werkt. In deze API worden berichtgeschiedenis en andere inhoud met betrekking tot de berichtgeschiedenis opgeslagen. Dit is vereist voor gesprekken en werkstromen met meerdere paden.
  • Api voor assistenten (preview). Meer informatie over de werking van de Assistants-API. Sommige functies van assistenten, zoals threads, het opslaan van de berichtgeschiedenis en andere inhoud.
  • Opgeslagen voltooiingen (preview). Stored completions slaat invoer-uitvoerparen op van de door de klant geïmplementeerde Azure OpenAI-modellen, zoals GPT-4o, via de API voor chatvoltooiingen en geeft de paren weer in het Foundry-portal. Hierdoor kunnen klanten gegevenssets bouwen met hun productiegegevens, die vervolgens kunnen worden gebruikt voor het evalueren of verfijnen van modellen (zoals toegestaan in toepasselijke productvoorwaarden).

Misbruik voorkomen

Om het risico op misbruik of schadelijk gebruik te verminderen, omvatten modellen die worden verkocht door Azure misbruikcontrolefuncties. Zie misbruikcontrole voor meer informatie over misbruikbewaking.

Veiligheidsevaluaties van nauwkeurig afgestemde modellen evalueren een nauwkeurig afgestemd model voor mogelijk schadelijke reacties met behulp van Azure metrische risico- en veiligheidsgegevens. Alleen de resulterende evaluatie (te implementeren of niet te implementeren) wordt geregistreerd door de service.

De modellen die door Azure misbruikbewakingssysteem worden verkocht, zijn ontworpen om exemplaren van terugkerende inhoud en/of gedragingen te detecteren en te beperken die het gebruik van de service voorstellen op een manier die de code van gedrag of andere toepasselijke productvoorwaarden kan schenden. Zoals hier beschreven, maakt het systeem gebruik van algoritmen en heuristieken om indicatoren van potentieel misbruik te detecteren. Wanneer deze indicatoren worden gedetecteerd, kan een voorbeeld van de prompts en voltooiingen van de klant worden geselecteerd voor beoordeling. Controle wordt uitgevoerd met geautomatiseerde middelen, waaronder ai-modellen zoals LLM's, met indien nodig aanvullende beoordelingen door menselijke revisoren. Gedetailleerde informatie over geautomatiseerde beoordeling en menselijke beoordeling is beschikbaar bij Misbruikcontrole.

Voor geautomatiseerde controle worden de prompts en voltooiingen van klanten niet opgeslagen door het systeem of worden gebruikt om de AI-modellen of andere systemen te trainen. De gegevensopslag voor misbruikbewaking, waarin prompts en gegenereerde antwoorden worden opgeslagen voor menselijke beoordeling, is logisch gescheiden per klantresource (elk verzoek bevat de resource-id van de Foundry-resource van de klant). Er is een afzonderlijke gegevensopslag aanwezig in elke regio waarin het model dat door Azure wordt verkocht beschikbaar is, en de prompts en gegenereerde inhoud van een klant worden opgeslagen in de Azure-regio waar de Foundry-resource van de klant is geïmplementeerd, binnen de servicegrens van Modellen verkocht door Azure. Menselijke revisoren die potentiële misbruik beoordelen, hebben alleen toegang tot prompts en voltooiingsgegevens wanneer die gegevens al zijn gemarkeerd door het controlesysteem voor misbruik, of wanneer de prompts en voltooiingen deel uitmaken van een potentieel misbruikend gebruikspatroon. De menselijke werknemers zijn gemachtigde Microsoft werknemers die via gerichte queries met behulp van aanvraag-id's, Secure Access Workstations (SAWs) en Just-In-Time-aanvraaggoedkeuring verleend door teammanagers, toegang hebben tot de gegevens. Voor modellen die worden verkocht door Azure geïmplementeerd in de Europese Economische Ruimte, bevinden de geautoriseerde Microsoft werknemers zich in de Europese Economische Ruimte.

Als de klant is goedgekeurd voor gewijzigde misbruikbewaking (meer informatie bij Misbruikbewaking)), wordt het hierboven beschreven proces voor gegevensopslag en menselijke beoordeling niet uitgevoerd. Geautomatiseerde controle kan echter nog steeds worden uitgevoerd, waarbij gebruik wordt gemaakt van algoritmen, waaronder AI-modellen die prompts en voltooiingen beoordelen op het moment dat dit is opgegeven of gegenereerd, indien van toepassing. Als een dergelijke geautomatiseerde beoordeling inhoud detecteert die ernstig of terugkerend misbruik in het abonnement van de klant aangeeft, kan de klant beperkingen ondervinden voor de toegang, zoals vermeld in de productvoorwaarden voor verantwoordelijk gebruik van Microsoft AI-services. De klant kan ook worden gevraagd ermee in te stemmen dat misbruikcontrole met menselijke beoordeling is ingeschakeld om het risico op toekomstige beperkingen op toegang te verminderen (bijvoorbeeld beperking en/of schorsing van het account of abonnement waar misbruik is gedetecteerd).

Opmerking

Azure Preview-functies, waaronder modellen die door Azure in preview worden verkocht, kunnen verschillende privacyprocedures gebruiken, waaronder met betrekking tot misbruikcontrole. Previews kunnen onderhevig zijn aan aanvullende voorwaarden op: Aanvullende gebruiksvoorwaarden voor Microsoft Azure previews.

Voorkomen dat schadelijke inhoud wordt gegenereerd

Modellen die door Azure worden verkocht, bevatten een systeem dat is ontworpen om de uitvoer van schadelijke inhoud te detecteren en te voorkomen. Zie Kaders voor meer informatie over kaders (eerder inhoudsfilters).

Beveiligingsmaatregelen worden synchroon uitgevoerd wanneer de service prompts om inhoud te genereren zoals hierboven beschreven en hier. Er worden geen prompts of gegenereerde inhoud opgeslagen in de modellen voor inhoudsclassificatie en prompts en uitvoer worden niet gebruikt om generatieve AI-basismodellen te trainen zonder uw toestemming of instructie.

Hoe kan een klant controleren of gegevensopslag voor misbruikbewaking is uitgeschakeld?

Er zijn twee manieren voor klanten die zijn goedgekeurd om misbruikbewaking uit te schakelen, om te controleren of gegevensopslag voor misbruikcontrole is uitgeschakeld in hun goedgekeurde Azure-abonnement:

  • De Azure-portal gebruiken of
  • Azure CLI (of een beheer-API).

Opmerking

De waarde 'false' voor het kenmerk ContentLogging wordt alleen weergegeven als gegevensopslag voor misbruikcontrole is uitgeschakeld. Anders wordt deze eigenschap niet weergegeven in Azure portal of Azure CLI uitvoer.

Voorwaarden

  1. Aanmelden bij Azure
  2. Selecteer het Azure-abonnement dat als host fungeert voor de Foundry-resource.
  3. Navigeer naar de pagina Overzicht van de Foundry-resource.

  1. Ga naar de overzichtspagina van de resource

  2. Klik op de koppeling naar de JSON-weergave in de rechterbovenhoek, zoals weergegeven in de onderstaande afbeelding.

    Logging status json-weergave in het Azure-portaal.

Er is een waarde in de lijst Capabilities met de naam ContentLogging, die wordt weergegeven en wordt ingesteld op FALSE wanneer logboekregistratie voor misbruikcontrole is uitgeschakeld.

{ 
    "name":"ContentLogging",
    "value":"false"
}

Zie het Microsoft Trust Center voor meer informatie over de privacy- en beveiligingsverplichtingen van Microsoft.

Wijzigingslogboek

Datum Wijzigingen
3 oktober 2025 Document uitgebreid met door Azure verkochte modellen; secties over Guardrails (voorheen inhoudsfilters) en misbruikbewaking gescheiden; verduidelijkingen toegevoegd over misbruikbewaking en ernstig of herhaald misbruik.
17 december 2024 Informatie toegevoegd over gegevensverwerking en opslag in verband met de nieuwe functie Opgeslagen voltooiingen; taal toegevoegd die duidelijk maakt dat Azure OpenAI-functies in preview mogelijk niet alle voorwaarden voor gegevensopslag ondersteunen; de aanduiding 'preview' voor Batch-verwerking is verwijderd
18 november 2024 Informatie toegevoegd over de locatie van gegevensverwerking voor nieuwe implementatietypen 'Gegevenszone'; informatie toegevoegd over nieuwe AI-beoordeling van prompts en voltooiingen als onderdeel van het voorkomen van misbruik en het genereren van schadelijke inhoud
4 september 2024 Informatie toegevoegd (en aangepaste bestaande tekst dienovereenkomstig) over gegevensverwerking voor nieuwe functies, waaronder Assistants-API (preview), Batch (preview) en globale implementaties; herziene taal met betrekking tot de locatie van gegevensverwerking, overeenkomstig Azure beginselen voor gegevenslocatie; informatie over gegevensverwerking toegevoegd voor veiligheidsevaluaties van nauwkeurig afgestemde modellen; verduidelijkte toezeggingen met betrekking tot het gebruik van prompts en voltooiingen; kleine revisies om de duidelijkheid te verbeteren
23 juni 2023 Er is informatie toegevoegd over gegevensverwerking voor nieuwe Azure op uw gegevensfunctie; informatie over misbruikcontrole verwijderd die nu beschikbaar is op Azure OpenAI Service misbruikcontrole. Samenvattingsnotitie toegevoegd. Bijgewerkte en gestroomlijnde inhoud en bijgewerkte diagrammen voor extra duidelijkheid. wijzigingslogboek toegevoegd

Zie ook

  • Laatst bijgewerkt om