این پست با جاستین مایلز، لیو دآلیبرتی و جو کوبا از لیدوس نوشته شده است.
Leidos یکی از رهبران راهحلهای علم و فناوری Fortune 500 است که برای رسیدگی به برخی از سختترین چالشهای جهان در بازارهای دفاع، اطلاعات، امنیت داخلی، عمران و مراقبتهای بهداشتی تلاش میکند. در این پست، نحوه کار Leidos با AWS را برای ایجاد رویکردی برای استنتاج مدل زبان بزرگ (LLM) با حفظ حریم خصوصی با استفاده از AWS Nitro Enclaves.
LLM ها برای درک و تولید زبان انسان مانند طراحی شده اند و در بسیاری از صنایع از جمله دولتی، مراقبت های بهداشتی، مالی و مالکیت معنوی استفاده می شوند. LLM ها کاربرد گسترده ای دارند، از جمله چت بات ها، تولید محتوا، ترجمه زبان، تجزیه و تحلیل احساسات، سیستم های پاسخگویی به سوال، موتورهای جستجو و تولید کد. معرفی استنتاج مبتنی بر LLM به یک سیستم همچنین پتانسیل ایجاد تهدیدات حریم خصوصی، از جمله استخراج مدل، نقض حریم خصوصی داده ها، و دستکاری ناخواسته سرویس مبتنی بر LLM را دارد. برای اطمینان از اینکه LLM ها اطلاعات حساس را در طول استنتاج افشا نمی کنند، باید معماری های فنی پیاده سازی شوند.
این پست به این موضوع می پردازد که چگونه Nitro Enclaves می تواند به محافظت از استقرار مدل LLM کمک کند، به ویژه آنهایی که از اطلاعات شناسایی شخصی (PII) یا اطلاعات بهداشتی محافظت شده (PHI) استفاده می کنند. این پست فقط برای اهداف آموزشی است و نباید در محیط های تولیدی بدون کنترل اضافی استفاده شود.
بررسی اجمالی LLM ها و Nitro Enclaves
یک مورد استفاده بالقوه یک ربات گفتگوی پرس و جوی حساس مبتنی بر LLM است که برای انجام یک سرویس پرسش و پاسخ حاوی PII و PHI طراحی شده است. اکثر راه حل های فعلی LLM chatbot به طور صریح به کاربران اطلاع می دهند که به دلیل نگرانی های امنیتی نباید PII یا PHI را هنگام وارد کردن سؤالات وارد کنند. برای کاهش این نگرانیها و محافظت از دادههای مشتری، صاحبان سرویس عمدتاً به محافظتهای کاربر مانند موارد زیر متکی هستند:
- کاهش - فرآیند شناسایی و پنهان کردن اطلاعات حساس مانند PII در اسناد، متون یا سایر اشکال محتوا. این را می توان با داده های ورودی قبل از ارسال به یک مدل یا یک LLM که برای ویرایش خودکار پاسخ های آنها آموزش دیده است، انجام داد.
- احراز هویت چند عامل - یک فرآیند امنیتی که کاربران را ملزم به ارائه چندین روش احراز هویت برای تأیید هویت خود برای دسترسی به LLM می کند.
- امنیت لایه حمل و نقل (TLS) - یک پروتکل رمزنگاری که ارتباطات ایمن را فراهم می کند که حریم خصوصی داده ها را در انتقال بین کاربران و سرویس LLM افزایش می دهد.
اگرچه این شیوهها وضعیت امنیتی سرویس را افزایش میدهند، اما برای محافظت از اطلاعات حساس کاربر و سایر اطلاعات حساسی که میتوانند بدون اطلاع کاربر باقی بمانند، کافی نیستند.
در مثال مورد استفاده ما، یک سرویس LLM برای پاسخ به سؤالات مزایای مراقبت های بهداشتی کارکنان یا ارائه یک برنامه بازنشستگی شخصی طراحی شده است. بیایید معماری نمونه زیر را تجزیه و تحلیل کنیم و مناطق خطر حفظ حریم خصوصی داده ها را شناسایی کنیم.
مناطق خطر بالقوه به شرح زیر است:
- کاربران ممتاز به نمونه ای که سرور را در خود جای داده است دسترسی دارند. تغییرات ناخواسته یا غیرمجاز در سرویس میتواند منجر به افشای دادههای حساس به روشهای ناخواسته شود.
- کاربران باید اطمینان داشته باشند که این سرویس اطلاعات حساس را در گزارشهای برنامه در معرض نمایش قرار نمیدهد یا حفظ نمیکند.
- تغییر در بسته های برنامه می تواند باعث تغییراتی در سرویس شود و در نتیجه داده های حساس در معرض دید قرار گیرد.
- کاربران ممتاز با دسترسی به نمونه، دسترسی نامحدودی به LLM مورد استفاده سرویس دارند. تغییرات ممکن است باعث بازگرداندن اطلاعات نادرست یا نادرست به کاربران شود.
Nitro Enclaves ایزوله اضافی را برای شما فراهم می کند ابر محاسبه الاستیک آمازون به عنوان مثال (Amazon EC2)، از دادههای در حال استفاده از دسترسی غیرمجاز، از جمله کاربران در سطح مدیریت محافظت میکند. در معماری قبلی، ممکن است یک تغییر ناخواسته منجر به ماندگاری داده های حساس در متن ساده شود و به طور تصادفی برای کاربری که ممکن است نیازی به دسترسی به آن داده ها نداشته باشد، آشکار شود. با Nitro Enclaves، یک محیط ایزوله از نمونه EC2 خود ایجاد می کنید، که به شما امکان می دهد CPU و منابع حافظه را به Enclave اختصاص دهید. این Enclave یک ماشین مجازی بسیار محدود کننده است. با اجرای کدی که داده های حساس را در داخل محصور مدیریت می کند، هیچ یک از فرآیندهای والد قادر به مشاهده داده های محصور نخواهند بود.
Nitro Enclaves مزایای زیر را ارائه می دهد:
- جداسازی حافظه و CPU - برای جداسازی CPU و حافظه enclave از کاربران، برنامهها و کتابخانههای موجود در نمونه والد، به Nitro Hypervisor متکی است. این ویژگی به ایزوله کردن محصور و نرم افزار شما کمک می کند و به طور قابل توجهی سطح را برای رویدادهای ناخواسته کاهش می دهد.
- ماشین مجازی مجزا – Enclaves ماشینهای مجازی جدا شدهای هستند که به یک نمونه EC2 برای محافظت بیشتر و پردازش امن دادههای بسیار حساس متصل شدهاند.
- بدون دسترسی تعاملی - Enclaves فقط اتصال سوکت محلی امن را با نمونه والد خود فراهم می کنند. آنها هیچ فضای ذخیره سازی مداوم، دسترسی تعاملی یا شبکه خارجی ندارند.
- گواهی رمزنگاری - Nitro Enclaves ارائه می دهد گواهی رمزنگاری، فرآیندی است که برای اثبات هویت یک enclave و تأیید اینکه فقط کد مجاز در enclave شما در حال اجرا است استفاده می شود.
- ادغام AWS - Nitro Enclaves با یکپارچه شده است سرویس مدیریت کلید AWS (AWS KMS)، به شما این امکان را می دهد که فایل هایی را که با استفاده از AWS KMS رمزگذاری شده اند در داخل محفظه رمزگشایی کنید. مدیر گواهی AWS (ACM) برای Nitro Enclaves به شما امکان می دهد از گواهینامه های عمومی و خصوصی SSL/TLS با برنامه های کاربردی وب و سرورهای خود که در نمونه های EC2 با Nitro Enclaves اجرا می شوند، استفاده کنید.
می توانید از این ویژگی های ارائه شده توسط Nitro Enclaves برای کمک به کاهش خطرات مرتبط با داده های PII و PHI استفاده کنید. توصیه می کنیم هنگام مدیریت داده های حساس کاربر، Nitro Enclaves را در یک سرویس LLM قرار دهید.
بررسی اجمالی راه حل
بیایید معماری سرویس نمونه را بررسی کنیم، اکنون از جمله Nitro Enclaves. با ترکیب Nitro Enclaves، همانطور که در شکل زیر نشان داده شده است، LLM به یک ربات گفتگوی امن تر برای مدیریت داده های PHI یا PII تبدیل می شود.
دادههای کاربر، از جمله PII، PHI، و سؤالات، در طول فرآیند درخواست-پاسخ، زمانی که برنامه در یک محیط محصور میزبانی میشود، رمزگذاری میشوند. مراحل انجام شده در حین استنتاج به شرح زیر است:
- برنامه چت بات اعتبارنامه موقت AWS تولید می کند و از کاربر می خواهد که یک سوال را وارد کند. سؤال، که ممکن است حاوی PII یا PHI باشد، سپس از طریق AWS KMS رمزگذاری میشود. ورودی کاربر رمزگذاری شده با اعتبارنامه های موقت ترکیب می شود تا درخواست رمزگذاری شده ایجاد شود.
- داده های رمزگذاری شده به عنوان یک درخواست POST به سرور HTTP که توسط Flask میزبانی می شود ارسال می شود. قبل از پذیرش داده های حساس، این نقطه پایانی باید برای HTTP پیکربندی شود.
- برنامه مشتری درخواست POST را دریافت می کند و آن را از طریق یک کانال محلی امن (به عنوان مثال، vsock) به برنامه سروری که در داخل Nitro Enclaves اجرا می شود، ارسال می کند.
- برنامه سرور Nitro Enclaves از اعتبارنامه های موقت برای رمزگشایی درخواست، پرس و جو از LLM و ایجاد پاسخ استفاده می کند. تنظیمات خاص مدل در داخل محصورها ذخیره می شوند و با گواهی رمزنگاری محافظت می شوند.
- برنامه سرور از همان اعتبارنامه های موقت برای رمزگذاری پاسخ استفاده می کند.
- پاسخ رمزگذاری شده از طریق برنامه مشتری به عنوان پاسخی از درخواست POST به برنامه چت بات بازگردانده می شود.
- برنامه چت بات پاسخ را با استفاده از کلید KMS رمزگشایی می کند و متن ساده را به کاربر نمایش می دهد.
پیش نیازها
قبل از شروع، به پیش نیازهای زیر برای استقرار راه حل نیاز دارید:
یک نمونه EC2 را پیکربندی کنید
برای پیکربندی نمونه EC2 مراحل زیر را کامل کنید:
- راه اندازی r5.8xlarge نمونه EC2 با استفاده از amzn2-ami-kernel-5.10-hvm-2.0.20230628.0-x86_64-gp2 AMI با فعال کردن Nitro Enclaves.
- Nitro Enclaves CLI را برای ساخت و اجرای برنامه های Nitro Enclaves نصب کنید:
sudo amazon-linux-extras install aws-nitro-enclaves-cli -y
sudo yum install aws-nitro-enclaves-cli-devel -y
- نصب Nitro Enclaves CLI را تأیید کنید:
nitro-cli –version
- نسخه استفاده شده در این پست 1.2.2 می باشد
- Git و Docker را برای ساخت تصاویر Docker نصب کنید و برنامه را از GitHub دانلود کنید. کاربر نمونه خود را به گروه Docker اضافه کنید ( کاربر نمونه IAM شما است):
sudo yum install git -y
sudo usermod -aG ne <USER>
sudo usermod -aG docker <USER>
sudo systemctl start docker && sudo systemctl enable docker
- سرویس های اختصاص دهنده Nitro Enclaves و vsock proxy را راه اندازی و فعال کنید:
sudo systemctl start nitro-enclaves-allocator.service && sudo systemctl enable nitro-enclaves-allocator.service
sudo systemctl start nitro-enclaves-vsock-proxy.service && sudo systemctl enable nitro-enclaves-vsock-proxy.service
Nitro Enclaves از یک اتصال سوکت محلی به نام vsock برای ایجاد یک کانال امن بین نمونه والد و enclave استفاده می کند.
پس از شروع و فعال شدن همه سرویسها، نمونه را مجدداً راهاندازی کنید تا بررسی کنید که همه گروههای کاربری و سرویسها به درستی اجرا میشوند:
sudo shutdown -r now
سرویس اختصاص دهنده Nitro Enclaves را پیکربندی کنید
Nitro Enclaves یک محیط ایزوله است که بخشی از نمونه CPU و حافظه را برای اجرای Enclave تعیین می کند. با سرویس تخصیص دهنده Nitro Enclaves، می توانید مشخص کنید که چند CPU و چه مقدار حافظه از نمونه والد برای اجرای enclave گرفته می شود.
با استفاده از یک ویرایشگر متن، منابع رزرو شده محصور را تغییر دهید (برای راه حل ما، 8 CPU و 70,000 مگابایت حافظه را برای ارائه منابع کافی اختصاص می دهیم):
vi /etc/nitro_enclaves/allocatory.yaml
پروژه را شبیه سازی کنید
پس از پیکربندی نمونه EC2، میتوانید کد را برای اجرای ربات چت حساس با یک LLM در داخل Nitro Enclaves دانلود کنید.
شما باید به روز رسانی کنید server.py
فایل با شناسه کلید KMS مناسب که در ابتدا برای رمزگذاری پاسخ LLM ایجاد کردید.
- پروژه GitHub را شبیه سازی کنید:
cd ~/ && git clone https://<THE_REPO.git>
- برای ساخت به پوشه پروژه بروید
enclave_base
تصویر داکر که شامل کیت توسعه نرم افزار Nitro Enclaves (SDK) برای اسناد تصدیق رمزنگاری از Nitro Hypervisor (این مرحله می تواند تا 15 دقیقه طول بکشد):cd /nitro_llm/enclave_base
docker build ./ -t “enclave_base”
LLM را در نمونه EC2 ذخیره کنید
ما از منبع باز Bloom 560m LLM برای پردازش زبان طبیعی برای تولید پاسخ استفاده می کنیم. این مدل با PII و PHI تنظیم نشده است، اما نشان میدهد که چگونه یک LLM میتواند در داخل یک محصور زندگی کند. این مدل همچنین باید در نمونه والد ذخیره شود تا بتوان آن را از طریق Dockerfile در داخل محصور کپی کرد.
- به پروژه بروید:
cd /nitro_llm
- الزامات لازم برای ذخیره مدل را به صورت محلی نصب کنید:
pip3 install requirements.txt
- اجرا کن
save_model.py
برنامه برای ذخیره مدل در داخل/nitro_llm/enclave/bloom
دایرکتوری:python3 save_model.py
تصویر Nitro Enclaves را بسازید و اجرا کنید
برای اجرای Nitro Enclaves، باید یک فایل تصویری محصور (EIF) از یک تصویر Docker برنامه خود ایجاد کنید. Dockerfile واقع در دایرکتوری enclave حاوی فایلها، کدها و LLM است که در داخل محفظه اجرا میشوند.
ساخت و راه اندازی محصور چندین دقیقه طول می کشد تا کامل شود.
- به ریشه پروژه بروید:
cd /nitro_llm
- فایل تصویری محصور را به عنوان بسازید
enclave.eif
:nitro-cli build-enclave --docker-uri enclave:latest --output-file enclave.eif
هنگامی که انکلاو ساخته می شود، یک سری از هش ها و ثبات های پیکربندی پلت فرم (PCR) منحصر به فرد ایجاد می شود. PCR ها یک اندازه گیری پیوسته برای اثبات هویت سخت افزار و برنامه هستند. این PCRها برای تأیید رمزنگاری مورد نیاز خواهند بود و در مرحله بهروزرسانی خطمشی کلید KMS مورد استفاده قرار میگیرند.
- اجرای محصور با منابع از
allocator.service
(افزودن--attach-console
آرگومان در پایان، enclave را در حالت اشکال زدایی اجرا می کند:nitro-cli run-enclave --cpu-count 8 --memory 70000 --enclave-cid 16 --eif-path enclave.eif
شما باید حداقل چهار برابر اندازه فایل EIF را اختصاص دهید. این را می توان در اصلاح کرد allocator.service
از مراحل قبلی
- با دستور زیر بررسی کنید که enclave در حال اجرا است:
nitro-cli describe-enclaves
خط مشی کلید KMS را به روز کنید
مراحل زیر را برای بهروزرسانی خطمشی کلید KMS خود تکمیل کنید:
- در کنسول AWS KMS، را انتخاب کنید کلیدهای مدیریت شده توسط مشتری در صفحه ناوبری
- کلیدی را که به عنوان پیش نیاز تولید کرده اید جستجو کنید.
- را انتخاب کنید ویرایش در مورد سیاست کلیدی
- خط مشی کلید را با اطلاعات زیر به روز کنید:
- شناسه حساب شما
- نام کاربری IAM شما
- نقش نمونه محیط Cloud9 به روز شده
- اعمال
kms:Encrypt
وkms:Decrypt
- PCRها (به عنوان مثال PCR0، PCR1، PCR2) را با یک عبارت شرط در خط مشی کلید خود قرار دهید.
کد خط مشی کلید زیر را ببینید:
برنامه چت بات را ذخیره کنید
برای تقلید از یک برنامه چت ربات پرس و جو حساس که خارج از حساب AWS زندگی می کند، باید آن را ذخیره کنید chatbot.py
برنامه و آن را در محیط Cloud9 اجرا کنید. محیط Cloud9 شما از نقش نمونه خود برای اعتبارنامههای موقت استفاده میکند تا مجوزها را از EC2 در حال اجرای enclave جدا کند. مراحل زیر را کامل کنید:
- در کنسول Cloud9، محیطی را که ایجاد کردید باز کنید.
- کد زیر را در یک فایل جدید مانند کپی کنید
chatbot.py
به دایرکتوری اصلی - ماژول های مورد نیاز را نصب کنید:
pip install boto3
Pip install requests
- در کنسول آمازون EC2، به IP مرتبط با نمونه Nitro Enclaves خود توجه کنید.
- متغیر URL را به روز کنید
http://<ec2instanceIP>:5001
.
- برنامه چت بات را اجرا کنید:
-
python3 chat.py
هنگامی که در حال اجرا است، ترمینال ورودی کاربر را می خواهد و نمودار معماری قبلی را دنبال می کند تا یک پاسخ ایمن ایجاد کند.
ربات پرسش و پاسخ خصوصی را اجرا کنید
اکنون که Nitro Enclaves در نمونه EC2 راهاندازی شده است، میتوانید با خیال راحتتر از ربات چت خود سؤالات PHI و PII را بپرسید. بیایید به یک مثال نگاه کنیم.
در محیط Cloud9، ما یک سوال از چت بات خود میپرسیم و نام کاربری خود را ارائه میکنیم.
AWS KMS سوال را رمزگذاری میکند که شبیه تصویر زیر است.
سپس به منطقه محصور فرستاده می شود و از LLM ایمن درخواست می شود. سوال و پاسخ LLM مانند تصویر زیر خواهد بود (نتیجه و پاسخ رمزگذاری شده در داخل محفظه فقط در حالت اشکال زدایی قابل مشاهده است).
سپس نتیجه با استفاده از AWS KMS رمزگذاری شده و به محیط Cloud9 بازگردانده می شود تا رمزگشایی شود.
پاک کردن
مراحل زیر را برای پاکسازی منابع خود انجام دهید:
- نمونه EC2 ایجاد شده برای قرار دادن محصور خود را متوقف کنید.
- محیط Cloud9 را حذف کنید.
- کلید KMS را حذف کنید.
- نقش نمونه EC2 و مجوزهای کاربر IAM را حذف کنید.
نتیجه
در این پست، نحوه استفاده از Nitro Enclaves را برای استقرار یک سرویس پرسش و پاسخ LLM که با امنیت بیشتری اطلاعات PII و PHI را ارسال و دریافت می کند، نشان دادیم. این در آمازون EC2 مستقر شد، و انکلاوها با AWS KMS ادغام شدهاند که دسترسی به کلید KMS را محدود میکند، بنابراین فقط Nitro Enclaves و کاربر نهایی مجاز به استفاده از کلید و رمزگشایی سؤال هستند.
اگر قصد دارید این معماری را برای پشتیبانی از بارهای کاری بزرگتر مقیاس دهید، مطمئن شوید که فرآیند انتخاب مدل با نیازهای مدل شما با منابع EC2 مطابقت دارد. علاوه بر این، شما باید حداکثر اندازه درخواست و تأثیر آن بر سرور HTTP و زمان استنتاج بر روی مدل را در نظر بگیرید. بسیاری از این پارامترها از طریق مدل و تنظیمات سرور HTTP قابل تنظیم هستند.
بهترین راه برای تعیین تنظیمات و الزامات خاص برای حجم کاری شما از طریق آزمایش با یک LLM دقیق تنظیم شده است. اگرچه این پست فقط شامل پردازش زبان طبیعی دادههای حساس میشود، میتوانید این معماری را برای پشتیبانی از LLMهای جایگزین که از صدا، بینایی رایانه یا چند وجهی پشتیبانی میکنند، تغییر دهید. همان اصول امنیتی که در اینجا برجسته شده است را می توان برای داده ها در هر قالبی اعمال کرد. منابع مورد استفاده برای ساخت این پست در دسترس هستند GitHub repo.
نحوه تطبیق این راه حل را با محیط خود در بخش نظرات به اشتراک بگذارید.
درباره نویسنده
جاستین مایلز یک مهندس ابر در بخش مدرنیزاسیون دیجیتال Leidos تحت دفتر فناوری است. او در اوقات فراغت خود از گلف و مسافرت لذت می برد.
لیو دی آلیبرتی محققی در شتاب دهنده AI/ML Leidos تحت دفتر فناوری است. تحقیقات آنها بر یادگیری ماشینی حفظ حریم خصوصی متمرکز است.
کریس رنزو Sr. Solution Architect در سازمان دفاع و هوافضا AWS است. خارج از محل کار، او از تعادل هوای گرم و مسافرت لذت می برد.
جو کوبا معاون رئیس جمهور در بخش مدرنیزاسیون دیجیتال Leidos است. در اوقات فراغت از داوری بازی های فوتبال و بازی سافت بال لذت می برد.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/large-language-model-inference-over-confidential-data-using-aws-nitro-enclaves/
- : دارد
- :است
- :نه
- $UP
- 000
- 1
- ٪۱۰۰
- 16
- 24
- 29
- 32
- 36
- 500
- 67
- 7
- 70
- 8
- 9
- a
- قادر
- شتاب دهنده
- پذیرش
- دسترسی
- انجام
- حساب
- ACM
- عمل
- وفق دادن
- اضافه کردن
- اضافه کردن
- اضافی
- علاوه بر این
- نشانی
- هوافضا
- در برابر
- AI / ML
- معرفی
- اختصاص دادن
- اجازه دادن
- مجاز
- اجازه دادن
- اجازه می دهد تا
- همچنین
- هر چند
- آمازون
- آمازون EC2
- آمازون خدمات وب
- an
- تحلیل
- تحلیل
- و
- پاسخ
- پاسخ دادن
- هر
- نرم افزار
- کاربرد
- برنامه های کاربردی
- اعمال می شود
- روش
- مناسب
- معماری
- معماری
- معماری
- هستند
- محدوده
- مناطق
- استدلال
- AS
- پرسیدن
- خواهان
- همکاری
- مرتبط است
- At
- سمعی
- تصدیق
- مجاز
- بطور خودکار
- در دسترس
- AWS
- به عقب
- برج میزان
- اساسی
- BE
- شود
- بوده
- قبل از
- شروع
- بودن
- سود
- مزایای
- بهترین
- میان
- شکوفه
- ربات
- پهن
- ساختن
- ساخته
- اما
- by
- نام
- CAN
- انجام
- حمل
- مورد
- علت
- گواهی نامه
- گواهینامه ها
- چالش ها
- تغییر دادن
- تبادل
- کانال
- گپ
- chatbot
- chatbots
- را انتخاب کنید
- مدنی
- تمیز
- Cli
- مشتری
- ابر
- Cloud9
- رمز
- جمع آوری
- ترکیب شده
- نظرات
- ارتباط
- ارتباطات
- کامل
- محاسبه
- کامپیوتر
- چشم انداز کامپیوتر
- نگرانی ها
- شرط
- محرمانه
- پیکر بندی
- پیکربندی
- ارتباط
- اتصال
- در نظر بگیرید
- کنسول
- شامل
- شامل
- محتوا
- تولید محتوا
- گروه شاهد
- به درستی
- میتوانست
- ایجاد
- ایجاد شده
- اعتبار
- مجوزها و اعتبارات
- رمزنگاری
- جاری
- مشتری
- اطلاعات مشتری
- سفارشی
- داده ها
- حریم خصوصی داده ها
- رمزگشایی کنید
- دفاع
- نشان می دهد
- گسترش
- مستقر
- اعزام ها
- توصیف
- طراحی
- مشخص کردن
- توسعه
- پروژه
- نمودار
- دیجیتال
- فهرست راهنما
- بحث و تبادل نظر
- بحث می کند
- صفحه نمایش
- کارگر بارانداز
- سند
- اسناد و مدارک
- آیا
- دانلود
- دو
- در طی
- پیش از آن
- سردبیر
- آموزش
- اثر
- ایف
- کارمند
- قادر ساختن
- فعال
- تحت محاصره
- رمزگذاری
- رمزگذاری
- پایان
- نقطه پایانی
- مهندس
- موتورهای حرفه ای
- بالا بردن
- افزایش می یابد
- کافی
- محیط
- محیط
- حوادث
- معاینه کردن
- مثال
- جز
- استخراج
- به صراحت
- قرار گرفتن در معرض
- ارائه
- خارجی
- ناموفق
- ویژگی
- امکانات
- شکل
- پرونده
- فایل ها
- نهایی
- مالی
- تمرکز
- به دنبال
- پیروی
- به دنبال آن است
- فوتبال
- برای
- قالب
- اشکال
- ثروت
- چهار
- رایگان
- از جانب
- تابع
- بیشتر
- افزایش
- بازیها
- تولید می کنند
- تولید
- تولید می کند
- نسل
- دریافت کنید
- رفتن
- GitHub
- رفتن
- دولت
- گروه
- گروه ها
- دستگیره
- اداره
- سخت افزار
- آیا
- he
- سلامتی
- اطلاعات سلامتی
- بهداشت و درمان
- کمک
- کمک می کند
- اینجا کلیک نمایید
- برجسته
- خیلی
- خود را
- وطن
- امنیت میهن
- میزبان
- میزبانی
- خانه
- خانه
- چگونه
- چگونه
- HTML
- HTTP
- HTTPS
- i
- ID
- قابل شناسایی
- شناسایی
- شناسایی
- هویت
- if
- تصویر
- تصاویر
- تأثیر
- اجرا
- واردات
- in
- نادرست
- شامل
- مشمول
- از جمله
- گنجاندن
- غلط
- نشان دادن
- لوازم
- اطلاع دادن
- اطلاعات
- ورودی
- ورودی
- داخل
- نصب
- نصب و راه اندازی
- نمونه
- یکپارچه
- ادغام
- فکری
- مالکیت معنوی
- اطلاعات
- تعاملی
- به
- معرفی
- معرفی
- IP
- جدا شده
- انزوا
- IT
- ITS
- JOE
- json
- جاستین
- کلید
- دانش
- زبان
- بزرگ
- بزرگتر
- آخرین
- لایه
- رهبر
- یادگیری
- کمترین
- کتابخانه ها
- پسندیدن
- LIV
- زنده
- زندگی
- LLM
- محلی
- به صورت محلی
- واقع شده
- نگاه کنيد
- شبیه
- مطالب
- دستگاه
- فراگیری ماشین
- ماشین آلات
- اصلی
- ساخت
- اداره می شود
- مدیریت
- دست کاری
- بسیاری
- بازارها
- کبریت
- بیشترین
- ممکن است..
- اندازه گیری
- حافظه
- متاداده
- روش
- دقیقه
- کاهش
- حالت
- مدل
- اصلاح شده
- تغییر
- ماژول ها
- بیش
- اکثر
- بسیار
- چندگانه
- باید
- نام
- طبیعی
- پردازش زبان طبیعی
- جهت یابی
- ne
- لازم
- نیاز
- نیازهای
- شبکه
- جدید
- نیترو
- نه
- هیچ
- توجه داشته باشید
- اکنون
- of
- پیشنهادات
- دفتر
- on
- فقط
- باز کن
- منبع باز
- or
- سفارش
- کدام سازمان ها
- دیگر
- ما
- خارج
- خارج از
- روی
- مروری
- صاحبان
- بسته
- قطعه
- پارامترهای
- مجوز
- شخصی
- شخصا
- برنامه
- برنامه ریزی
- سکو
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- سیاست
- بخشی
- ممکن
- پست
- پتانسیل
- شیوه های
- ماقبل
- پیش نیاز
- پیش نیازها
- رئيس جمهور
- قبلی
- در درجه اول
- اصلی
- از اصول
- خلوت
- تهدیدات حریم خصوصی
- خصوصی
- روند
- فرآیندهای
- در حال پردازش
- تولید
- پروژه
- ویژگی
- محافظت از
- محفوظ
- پروتکل
- ثابت كردن
- ارائه
- ارائه
- فراهم می کند
- پروکسی
- عمومی
- اهداف
- نمایش ها
- پرس و جو
- سوال
- سوالات
- دریافت
- توصیه
- را کاهش می دهد
- منطقه
- ثبت
- تکیه می کند
- تکیه
- بقایای
- درخواست
- درخواست
- ضروری
- مورد نیاز
- نیاز
- تحقیق
- پژوهشگر
- محفوظ می باشد
- منابع
- منابع
- پاسخ
- پاسخ
- محدود کردن
- محدود کننده
- نتیجه
- نتیجه
- نگه داشتن
- بازنشستگی
- برگشت
- نشان داد
- خطر
- خطرات
- نقش
- ریشه
- دویدن
- در حال اجرا
- حفاظت
- حفاظت
- همان
- نمونه
- ذخیره
- نگهداری می شود
- مقیاس
- علم
- علم و تکنولوژی
- sdk
- جستجو
- موتورهای جستجو
- بخش
- بخش
- امن
- امن
- ایمن
- تیم امنیت لاتاری
- انتخاب
- می فرستد
- حساس
- فرستاده
- احساس
- سلسله
- سرور
- سرور
- سرویس
- خدمات
- تنظیم
- تنظیمات
- باید
- نمایش داده شده
- نشان داده شده
- تعطیل
- به طور قابل توجهی
- اندازه
- So
- نرم افزار
- توسعه نرم افزار
- راه حل
- مزایا
- برخی از
- خاص
- به طور خاص
- شروع
- آغاز شده
- بیانیه
- گام
- مراحل
- ذخیره سازی
- ذخیره شده
- چنین
- کافی
- پشتیبانی
- حمایت از
- مطمئن
- سطح
- سیستم
- سیستم های
- گرفتن
- صورت گرفته
- فنی
- پیشرفته
- موقت
- پایانه
- تست
- متن
- که
- La
- شان
- سپس
- اینها
- آنها
- این
- کسانی که
- تهدید
- از طریق
- سراسر
- زمان
- بار
- به
- رمز
- آموزش دیده
- عبور
- ترجمه
- سفر
- اعتماد
- امتحان
- غیر مجاز
- زیر
- فهمیدن
- منحصر به فرد
- بدون محدودیت
- بروزرسانی
- به روز شده
- URL
- استفاده کنید
- مورد استفاده
- استفاده
- کاربر
- کاربران
- استفاده
- با استفاده از
- متغیر
- بررسی
- نسخه
- از طريق
- معاون
- معاون رئیس جمهور
- چشم انداز
- نقض
- مجازی
- ماشین مجازی
- قابل رویت
- دید
- گرم
- بود
- مسیر..
- راه
- we
- هوا
- وب
- برنامه های وب
- خدمات وب
- چی
- چه زمانی
- که
- WHO
- اراده
- با
- در داخل
- بدون
- مهاجرت کاری
- مشغول به کار
- کارگر
- جهان
- X
- شما
- شما
- زفیرنت