حریم خصوصی مبتنی بر هوش مصنوعی: تأثیر Lyzr Automata بر تدوین خط مشی

Summarize this content to 400 words in Persian Lang
در چشم‌انداز دیجیتال امروزی، ایجاد یک خط‌مشی رازداری جامع برای کسب‌وکارها برای اطمینان از انطباق قانونی و اعتماد مشتری بسیار مهم است. با این حال، این کار می تواند دلهره آور باشد و به تخصص در نکات ظریف قانونی و الزامات نظارتی نیاز دارد. برای مقابله با این چالش، یک ژنراتور سیاست حفظ حریم خصوصی که توسط Lyzr Automata طراحی شده است، یک راه حل پیچیده ارائه می دهد.

بسیاری از کسب‌وکارها برای ایجاد خط‌مشی‌های حفظ حریم خصوصی متناسب با استانداردهای قانونی تلاش می‌کنند و شیوه‌های مدیریت داده‌های خود را به طور مؤثر به مشتریان منتقل می‌کنند. این اغلب منجر به ابهام و خطرات قانونی بالقوه می شود، زیرا الگوهای عمومی ممکن است در محیط های پیچیده نظارتی کافی نباشند.

ژنراتور سیاست حفظ حریم خصوصی از Lyzr Automata، یک عامل هوش مصنوعی همه کاره و چارچوب چند عاملی که برای کارهای پیچیده شناختی طراحی شده است، استفاده می کند. با ادغام مدل زبان قدرتمند OpenAI، ایجاد سیاست های حفظ حریم خصوصی متناسب با زمینه های تجاری خاص را خودکار می کند. کاربران جزئیات شرکت مانند نام، نوع، عملیات و وب‌سایت را وارد می‌کنند و هوش مصنوعی را وادار می‌کند تا خط‌مشی دقیقی را پیش‌نویس کند که الزامات قانونی را برآورده کند و بهترین شیوه‌های فعلی را منعکس کند.

Lyzr Automata چیست؟Lyzr Automata نشان دهنده یک پیشرفت پیشرفته در اتوماسیون مبتنی بر هوش مصنوعی است که به طور خاص برای وظایف شناختی که نیاز به دانش عمیق دامنه و تصمیم گیری ظریف دارند، طراحی شده است. این به عنوان یک چارچوب چند عاملی عمل می‌کند، که می‌تواند تعاملات بین عوامل مختلف هوش مصنوعی را برای مقابله با مشکلات پیچیده به طور مشترک هماهنگ کند.

Lyzr Automata در هسته خود از قدرت مدل‌های زبان OpenAI مانند GPT-4 Turbo برای تفسیر و تولید متن انسان‌مانند بر اساس دستورالعمل‌های ورودی بهره می‌برد. این قابلیت آن را قادر می‌سازد تا با تجسم شخصیت‌های تخصصی مانند یک متخصص سیاست حفظ حریم خصوصی، تخصص را در حوزه‌های مختلف، از جمله تدوین حقوقی و خط‌مشی، شبیه‌سازی کند.

مزایا و تاثیرادغام Lyzr Automata در ژنراتور سیاست حفظ حریم خصوصی چندین مزیت کلیدی را ارائه می دهد:

دقت و انطباق: اطمینان حاصل می کند که خط مشی ها دقیق و مطابق با مقررات مربوطه هستند.کارایی: زمان و منابع مورد نیاز برای تهیه پیش نویس خط مشی دستی را کاهش می دهد.سفارشی‌سازی: خط‌مشی‌ها را برای زمینه‌های تجاری خاص تنظیم می‌کند و ارتباط و وضوح را افزایش می‌دهد.اعتماد و شفافیت: با تشریح شفاف شیوه‌های مدیریت داده‌ها، اعتماد مشتریان را ایجاد می‌کند.

تنظیم محیطواردات:کتابخانه های لازم را وارد می کند: streamlit، کتابخانه ها از lyzr_automata

pip install lyzr_automata streamlit

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

import streamlit as st
from lyzr_automata.ai_models.openai import OpenAIModel
from lyzr_automata import Agent,Task
from lyzr_automata.pipelines.linear_sync_pipeline import LinearSyncPipeline
from PIL import Image

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

پیکربندی نوار کناری

api = st.sidebar.text_input(“Enter our OPENAI API KEY Here”, type=”password”)
if api:
openai_model = OpenAIModel(
api_key=api,
parameters={
“model”: “gpt-4-turbo-preview”,
“temperature”: 0.2,
“max_tokens”: 1500,
},
)
else:
st.sidebar.error(“Please Enter Your OPENAI API KEY”)

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

if api:: بررسی می کند که آیا یک کلید API وارد شده است.

openai_model = OpenAIModel(): اگر کلیدی وارد شود، یک شی OpenAIModel با کلید API ارائه شده، پارامترهای مدل (gpt-4-turbo-preview، دما، max_tokens) ایجاد می کند.else: اگر کلیدی وارد نشده باشد، یک پیغام خطا در نوار کناری نمایش می دهد.

عملکرد تولید سیاست حفظ حریم خصوصی:

def privacy_policy_generator(name, company_type, operation, website):
policy_agent = Agent(
prompt_persona=f”You are an Expert in Privacy policy crafting.”,
role=”Privacy Policy Expert”,
)

policy_task = Task(
name=”Privacy Policy”,
output_type=OutputType.TEXT,
input_type=InputType.TEXT,
model=openai_model,
agent=policy_agent,
log_output=True,
instructions=f”””
Draft a privacy policy for a {company_type} company called {name} that operates in the state of {operation}.
The company website is {website} .
“””,
)

output = LinearSyncPipeline(
name=”Privacy Policy Generation”,
completion_message=”Privacy Policy Generated!”,
tasks=[
policy_task
],
).run()
return output[0][‘task_output’]

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

تابع privacy_policy_generator نام، نوع_شرکت، عملیات و وب‌سایت را به عنوان ورودی برای ایجاد خط‌مشی می‌گیرد.یک شی Agent (policy_agent) ایجاد می‌شود که شخصیت و نقش سریع را برای تعامل با مدل تعریف می‌کند.یک شی Task (policy_task) ایجاد می‌شود که نام کار، قالب خروجی مورد نظر (متن)، فرمت ورودی (متن)، OpenAIModel مورد استفاده، Policy_agent، فعال کردن گزارش‌گیری، و ارائه دستورالعمل‌های دقیق برای مدل را مشخص می‌کند. این دستورالعمل ها شامل جزئیات شرکت، وب سایت و وضعیت عملیات است.یک شی (خروجی) LinearSyncPipeline ایجاد می شود که خط لوله را نامگذاری می کند، پیام تکمیل را تنظیم می کند و لیست وظایف را تعریف می کند (در این مورد فقط Policy_task). این خط لوله وظیفه را اجرا می کند و خروجی را بازیابی می کند.تابع متن خط مشی تولید شده (task_output) را برمی گرداند.

ورودی کد کاربر:

company_name = st.text_input(“Enter Company Name”)
company_type = st.text_input(“Enter Company Type”)
state_of_operation = st.text_input(“Enter Company’s State of Operation”)
website = st.text_input(“Enter Company Website”)

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

فیلدهای ورودی متن با استفاده از st.text_input برای ثبت نام، نوع، ایالت و وب سایت شرکت نمایش داده می شوند.

تولید دکمه و نمایشگر خروجی:

if st.button(“Generate”):
solution = privacy_policy_generator(company_name,company_type,state_of_operation,website)
st.markdown(solution)

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

با کلیک بر روی دکمه “Generate” کد داخل دستور if دکمه فعال می شود.تابع privacy_policy_generator با اطلاعات ارائه شده توسط کاربر فراخوانی می شود.خط مشی تولید شده (راه حل) بازگشتی با استفاده از st.markdown به صورت markdown نمایش داده می شود.اجرای برنامهدر نهایت برنامه را با استفاده از دستور زیر در ترمینال خود اجرا کنید:

اجرای streamlit app.pyاکنون آن را امتحان کنید: https://lyzr-privacy-policy.streamlit.app/

کد: https://github.com/harshit-lyzr/privacy_policy_generator/

برای اطلاعات بیشتر وب سایت را جستجو کنید: Lyzr

در پروژه ما مشارکت کنید: https://github.com/LyzrCore/lyzr-automata

pip install lyzr_automata streamlit

import streamlit as st
from lyzr_automata.ai_models.openai import OpenAIModel
from lyzr_automata import Agent,Task
from lyzr_automata.pipelines.linear_sync_pipeline import LinearSyncPipeline
from PIL import Image

api = st.sidebar.text_input("Enter our OPENAI API KEY Here", type="password")
if api:
    openai_model = OpenAIModel(
        api_key=api,
        parameters={
            "model": "gpt-4-turbo-preview",
            "temperature": 0.2,
            "max_tokens": 1500,
        },
    )
else:
    st.sidebar.error("Please Enter Your OPENAI API KEY")

def privacy_policy_generator(name, company_type, operation, website):
    policy_agent = Agent(
        prompt_persona=f"You are an Expert in Privacy policy crafting.",
        role="Privacy Policy Expert",
    )

    policy_task = Task(
        name="Privacy Policy",
        output_type=OutputType.TEXT,
        input_type=InputType.TEXT,
        model=openai_model,
        agent=policy_agent,
        log_output=True,
        instructions=f"""
        Draft a privacy policy for a {company_type} company called {name} that operates in the state of {operation}. 
        The company website is {website} .
        """,
    )

    output = LinearSyncPipeline(
        name="Privacy Policy Generation",
        completion_message="Privacy Policy Generated!",
        tasks=[
            policy_task
        ],
        ).run()
    return output[0]['task_output']

company_name = st.text_input("Enter Company Name")
company_type = st.text_input("Enter Company Type")
state_of_operation = st.text_input("Enter Company's State of Operation")
website = st.text_input("Enter Company Website")

if st.button("Generate"):
    solution = privacy_policy_generator(company_name,company_type,state_of_operation,website)
    st.markdown(solution)