生成式人工智能（生成式AI）正在蓬勃发展，许多企业和初创公司正在运用AI工具来解决各自的用例问题。随着企业逐渐适应市场上的新技术范式转移，开发者社区和开源模型也在不断发展壮大。
构建智能生成式AI应用程序需要灵活运用数据。这其中涉及的一项核心要求就是数据治理，数据治理涵盖各种有助于确保数据安全性、机密性、准确性、可用性和可靠性的措施，涉及数据生命周期的流程、政策、措施、技术、工具和控制等方面。 企业在构建应用程序并将其部署至生产环境时，常常需要处理个人身份信息或商业敏感数据（如与知识产权相关的数据），因此，企业需要确保所有必要的控制措施均已落实到位。
企业在构建由生成式AI驱动的应用程序时，需要具备以下关键能力才能打造智能化、现代化的应用程序体验：
处理运营和分析工作负载的数据
- 一个高度可扩展、高性能的数据平台
- 一个能够处理各种数据类型的表达式查询API
- 与各种成熟的开源LLM模型紧密集成
- 原生向量搜索能力，如可实现语义搜索和检索增强生成（RAG）等嵌入技术
本文详细介绍MongoDB Atlas针对现代AI应用程序需求的安全控制功能。
在构建生成式AI应用程序时，有哪些潜在的安全风险
根据Retool发布的2023年AI现状报告，数据安全和数据准确性是开发AI应用时的两大痛点。 调查结果显示，三分之一的受访者认为数据安全是主要痛点，人们对此的担忧几乎与公司规模呈线性增长。
企业在利用AI技术改善业务的同时，也应警惕潜在的风险。随着企业开始广泛尝试各种模型和AI工具，生成式AI可能会给企业带来意料之外的后果，增加上述风险的暴露程度。尽管企业在开发能够直接使用的生成式AI应用程序时会遵循深思熟虑、有条不紊的最佳实践，但企业必须同时部署严格的安全控制措施，以降低AI应用程序可能带来的重要安全风险。
以下是保障AI应用程序/系统安全的一些重要注意事项：
- 数据安全和隐私：生成式AI基础模型依靠大量数据来训练和生成新内容。如果训练数据或RAG（检索增强生成）流程使用的数据包含个人数据或机密数据，那么这些数据可能会以无法预测的方式出现在输出结果中。因此，部署强有力的治理和控制措施至关重要 ，此举有助于确保机密数据不会通过输出结果泄露出去。
- 知识产权侵权 ：企业需要避免未经授权使用、复制或销售知识产权受法律保护的作品。 企业还需要确保在对AI模型进行训练时，输出结果中不含与现有作品相似的内容，以免侵犯原创作品的版权。这是AI系统的一个全新领域，因此相关法律也在不断完善中。
- 监管合规性：AI应用程序必须遵守相关的行业标准和政策，如医疗领域的《健康保险可携性和责任法案》（HIPAA）、金融领域的
PCI安全标准、保护欧盟境内公民个人数据的《一般数据保护条例》（GDPR）、《加州消费者隐私法案》（CCPA）等。 - 可解释性：AI系统和算法有时并不透明，使得决策过程充满不确定性。可解释性是一个概念，指以人类能够接受的方式来解释机器学习模型及其输出结果，并且能够针对相同的输入信息生成可重复的输出结果。可解释性是AI应用程序构建信任和责任的关键 ，特别是在医疗、金融和安全等重要领域。
- AI幻觉：AI模型可能会生成不准确的信息，也被称为“幻觉”。幻觉通常是由训练数据和算法的局限性造成的。 幻觉可能导致金融、医疗和保险行业违反监管规定；还有可能导致个人名誉受损甚至诽谤。
以上仅列举使用AI工具和系统时的部分注意事项。在实体安全、组织措施、人力资源（包括内部员工和合作伙伴）技术控制及系统监控和审计方面，还有更多需要注意的事项。逐一解决这些关键问题后，企业将可确保其在生产环境中部署的AI应用程序的合规性和安全性。
接下来，本文将介绍MongoDB开发者数据平台如何在安全控制和措施方面提供帮助。
MongoDB如何解决与生成式AI相关的安全风险和数据治理问题
MongoDB开发者数据平台基于MongoDB Atlas 构建，统一了操作、分析和生成式AI数据服务，让智能应用程序的构建更加简单易行。MongoDB Atlas的核心是其灵活的文档数据模型和开发者原生查询API。 这两者相结合可以显著加快开发者的创新速度，使其能够超越竞争对手，并把握生成式AI带来的全新市场机遇。
全球范围内的开发者和数据科学团队正在利用依托MongoDB、以AI为驱动的应用程序来推动创新。这些应用程序涵盖不同行业领域的众多用例，并依托MongoDB Atlas提供的安全控制能力。
MongoDB Atlas为所有组织数据提供嵌入式安全控制能力。 这些数据可以是应用程序数据、矢量嵌入数据和其相关的元数据，为生成式AI驱动的应用程序使用的所有数据提供全面的安全保护。Atlas可以将企业级特性与现有的安全协议和合规标准相集成。此外，Atlas还可简化数据库的部署和管理，同时为开发者构建弹性应用程序提供灵活性。 MongoDB有助于安全管理员轻松与外部系统集成，使开发者能够专注于满足业务需求。除了默认启用的关键安全特性外，MongoDB Atlas 还设计了符合企业安全要求的安全控件。 这些安全控件有助于企业在MongoDB平台上安全地构建AI应用程序，同时兼顾了前述注意事项，具体如下：
- 数据安全
MongoDB默认启用访问控制和身份验证控制功能。 客户可以使用SCRAM、X.509证书、LDAP、AWS-IAM无密码身份验证和OpenID Connect等机制在平台上进行身份验证。MongoDB采用基于角色的访问控制（RBAC）来决定用户对MongoDB平台内各项资源的访问权限。 在构建AI应用程序时，数据科学家和开发者可以在训练或调优AI模型的同时，使用任意一种访问控制机制来调整用户访问和权限。企业可以通过部署访问控制机制，确保仅授权人员才可访问数据。
端到端数据加密：MongoDB的数据加密工具可在数据传输（网络）、数据静态存储、数据使用过程（内存和日志）中为您的数据提供强有力的保护。 客户可以使用自动加密功能对个人身份信息（PII）、受保护的健康信息（PHI）或其他敏感数据等关键数据字段进行加密，确保数据在整个生命周期内都得到加密处理保护。除了静态加密和传输加密外，MongoDB还推出了可查询加密（Queryable Encryption）功能，可以对正在使用的数据进行加密。 可查询加密功能使应用程序能够在客户端对敏感数据进行加密，将加密数据存储在MongoDB数据库中，并在服务器端对加密数据进行查询，且无需对数据进行解密操作。
可查询加密功能是一种卓越的匿名化技术，可使敏感数据变得不可见。在RAG流程中使用MongoDB数据库存储的包含机密信息的公司专用数据时，可以使用可查询加密功能对这些数据进行匿名化处理，或者在数据库中存储敏感数据时也可以利用这一功能。
- 监管合规和数据隐私
许多生成式AI的应用都受到数据隐私、知识产权和其他相关领域现行法律法规的约束。目前，全球各国正在面向AI制定和实施新的法律法规。MongoDB开发者数据平台对平台安全性、隐私和合规控制进行独立验证，帮助客户达成监管和政策目标，包括满足高度受监管行业和政府机构的特定合规需求等。
- 定期安全审计
企业应定期开展安全审计，以发现数据安全实践中的潜在漏洞。此举有助于企业及时发现并解决安全漏洞。审计有助于识别和减少AI模型和数据中的风险和错误，并确保企业符合法规及标准要求。MongoDB支持粒度级别的审计功能，可以追踪数据的使用情况和具体内容，监控并检测任何未经授权的数据访问行为。
在使用AI模型时，还有哪些其他最佳实践和注意事项
使用可信的数据平台固然重要，但优先考虑安全性和数据治理同样重要，这一点已在前文述及。除了前文提到的数据安全、合规性和数据隐私，以下是其他一些需要注意的最佳实践和关注事项。
- 数据质量
监测和评估输入数据的质量，有助于避免基础模型出现偏差。在训练模型数据时，务必确保训练数据在模型应用领域具有代表性。如果计划将模型应用于真实世界场景中，那么应对训练数据或RAG流程使用的数据进行监控。
- 安全部署
使用安全加密渠道部署基础模型。部署强有力的身份验证和授权机制，以确保只有经过授权的用户和系统才能访问敏感数据和AI模型。实施敏感信息匿名化机制来保护用户隐私。
- 审计追踪与监控
对模型训练、评估和部署活动进行周密的审计追踪和日志记录。持续监控数据输入和模型输出，以便及时发现意外情况或偏差。MongoDB会保留所有数据操作和数据处理的审计追踪与日志记录。 客户可以基于这些审计日志执行监控、故障排除和安全保障工作，包括入侵检测。我们采用自动扫描、自动预警和人工审核相结合的方法对数据进行监控。
- 数据存储安全
遵循最佳实践来安全地存储原始数据和处理后的数据。如上所述，使用加密功能对静态数据和传输数据进行加密处理。
MongoDB服务器会自动启用静态数据加密功能。 加密操作在存储层以透明的方式进行；这意味着文件系统中的所有数据文件都会被完全加密，只有在内存中和传输过程中数据才会以未加密的形式存在。
总结
随着生成式AI工具的广泛应用，企业对数据的理解、保护和使用（定义与数据交互的角色、控制、流程和策略）变得比以往任何时候都更加重要。随着现代企业越来越多地采用生成式AI和LLM模型来更好地服务客户并获取更多数据洞察，强有力的数据治理变得不可或缺。只有了解潜在风险，并对数据托管平台的能力进行审慎评估，企业才能安全无虞地发挥这些工具的强大功能。
MongoDB Atlas
MongoDB Atlas 是 MongoDB 公司提供的 MongoDB 云服务，由 MongoDB 数据库的开发团队构建和运维，可以在亚马逊云科技、Microsoft Azure、Google Cloud Platform 云平台上轻松部署、运营和扩展。MongoDB Atlas 内建了 MongoDB 安全和运维最佳实践，可自动完成基础设施的部署、数据库的构建、高可用部署、数据的全球分发、备份等即费时又需要大量经验运维工作。让您通过简单的界面和 API 就 可以完成这些工作，由此您可以将更多宝贵的时间花在构建您的应用上。
