Authentifizierung von Modellverbindungen
- Zuletzt aktualisiert2024/08/21
Authentifizierung von Modellverbindungen
Erstellen Sie Modellverbindungen unter Verwendung von Basismodellen wie Amazon Bedrock, Google Vertex AI, Azure OpenAI, OpenAI und anderen. Informieren Sie sich über die Methoden zur Verbindungsauthentifizierung, um sichere Verbindungen zu konfigurieren und zu gewährleisten.
Die Authentifizierungsmethode variiert je nach dem gewählten Modell bei der Definition einer Modellverbindung. Dies sind Details zur Authentifizierung für jedes Basismodell.
Amazon Bedrock
Für Amazon Bedrock würden Sie Authentifizierungsdetails für diese Felder definieren:
- Region: Wählen Sie eine Region aus der Dropdown-Liste für die Verbindung zur Authentifizierung der Modellverbindung.
- Zugangsschlüssel: Dieser AWS-Zugriffsschlüssel dient als Ihre eindeutige Kennung innerhalb des AWS-Ökosystems. Sie ist ein grundlegender Bestandteil des Authentifizierungsprozesses, der es den AWS-Services ermöglicht, Ihren Zugang zu erkennen und zu validieren.
- Geheimer Zugriffsschlüssel: Dieser Schlüssel ist das vertrauliche Gegenstück zu Ihrer Zugriffsschlüssel-ID. Dieser Schlüssel wird verwendet, um Anforderungen an AWS zu signieren und die Sicherheit zu erhöhen, indem sichergestellt wird, dass nur autorisierte Personen oder Systeme auf Ihre AWS-Ressourcen zugreifen können.
- Sitzungstoken (optional): Zusätzlich haben Sie die Möglichkeit, ein Sitzungstoken einzubinden, ein temporäres, zeitgebundenes Token, das beim Arbeiten mit temporären Sicherheitsnachweisen verwendet wird. Es bietet eine zusätzliche Sicherheitsebene, insbesondere in Szenarien, in denen ein befristeter Zugriff erforderlich ist, wie z. B. bei der Verwendung befristeter Sicherheitsanmeldedaten.
Anmerkung: Einzelheiten zum Einrichten von Zugriffsschlüssel, Geheimer Zugriffsschlüssel und Sitzungstoken für Amazon Bedrock finden Sie unter Amazon Bedrock: Aktion „Authentifizieren“.
Google Vertex AI
Für Google Vertex AI würden Sie Authentifizierungsdetails für diese Felder definieren:
- Projektname: Dies ist das Google-Cloud-Konto-Projekt.
- Region: Wählen Sie eine Region aus der Dropdown-Liste für die Verbindung zur Authentifizierung der Modellverbindung.
- Control Room-OAuth-Verbindung: Erstellen Sie eine OAuth 2.0-Client-ID. Eine Client-ID wird verwendet, um eine einzelne Anwendung gegenüber den OAuth-Servern von Google zu identifizieren.
Anmerkung: Einzelheiten zum Einrichten von Google Cloud-Projekt und der Control Room OAuth-Verbindung für Google Vertex AI finden Sie unter Vertex AI: Aktion „Verbinden“.
Azure OpenAI
Für Azure OpenAI würden Sie Authentifizierungsdetails für diese Felder definieren:
- Azure OpenAI-Ressourcenname: Sie können diesen Wert von der Microsoft Azure-Ressourcenseite abrufen.
- Bereitstellungs-ID: Sie können diesen Wert auch von der Microsoft Azure-Ressourcenseite abrufen.Die Konfiguration der Modellverbindung erfordert, dass ein Nutzer eine Bereitstellungs-ID angibt, die dem Namen der Bereitstellung im Microsoft Azure-Portal entspricht. Da diese Bereitstellung einem bestimmten LLM-Modell zugeordnet ist, sollten Nutzer sicherstellen, dass sie das richtige Modellverbindungs-Modell auswählen, das dem Microsoft Azure-Bereitstellungsmodell entspricht.Anmerkung: Wenn diese Werte nicht übereinstimmen, erhalten Sie eine Warnmeldung.
- API Key (API-Schlüssel):
- Unsichere Zeichenfolge: Wenn Sie diese Option wählen, wird eine Warnmeldung angezeigt, die darauf hinweist, dass der in diesem Feld angegebene Wert nicht verschlüsselt ist. Wir empfehlen die Verwendung von Anmeldedaten für die Datensicherheit.
- Anmeldedaten: Wir empfehlen, diese Option zu verwenden. Klicken Sie auf Auswählen, um die Werte für Locker, Anmeldedaten und Attribute aus der Dropdown-Liste auszuwählen. Dies basiert auf den Einstellungen, die im verbundenen Control Room für die Anmeldeinformationsverwaltung festgelegt sind.Anmerkung: Siehe Sicherheitsarchitektur und Anmeldedaten und Locker im Credential Vault als Referenz.
Bestätigen Sie und klicken Sie auf Weiter, um zum Abschnitt Verbindung testen zu gelangen, wo Sie die Modellverbindung testen können.
Anmerkung: In Azure OpenAI konfigurieren und Azure OpenAI: Aktion „Authentifizieren“ finden Sie Details zur Konfiguration der Parameter Azure OpenAI-Ressourcenname und Bereitstellungs-ID .
OpenAI
Für OpenAI würden Sie Authentifizierungsdetails für das Feld „API-Schlüssel“ definieren:
API-Schlüssel
- Unsichere Zeichenfolge: Wenn Sie diese Option wählen, wird eine Warnmeldung angezeigt, die darauf hinweist, dass der in diesem Feld angegebene Wert nicht verschlüsselt ist. Wir empfehlen die Verwendung von Anmeldedaten für die Datensicherheit.
- Anmeldedaten: Wir empfehlen, diese Option zu verwenden. Klicken Sie auf Auswählen, um die Werte für Locker, Anmeldedaten und Attribute aus der Dropdown-Liste auszuwählen. Dies basiert auf den Einstellungen, die im verbundenen Control Room für die Anmeldeinformationsverwaltung festgelegt sind.Anmerkung: Siehe Sicherheitsarchitektur und Anmeldedaten und Locker im Credential Vault als Referenz.
Bestätigen Sie und klicken Sie auf Weiter, um zum Abschnitt Verbindung testen zu gelangen, wo Sie die Modellverbindung testen können.
Anmerkung: In OpenAI: Aktion „Authentifizieren“ finden Sie Details zum Konfigurieren des API-Schlüssels für OpenAI.