Nalaganje dokumentov v KI-klepetalnik: Preverjanje datotek, varstvo podatkov in predaja

Ikona za nalaganje v oknu klepeta deluje preprosto: izberite datoteko, postavite vprašanje, prejmite odgovor. Tehnično in uredniško pa se na tej točki začne ločen proces. Dokument lahko vsebuje osebe podatke, aktivno vsebino, manipulirane strukture datotek, neberljive skene ali navodila, ki jih jezikovni model ne sme obravnavati kot zaupanja vredna dejstva. Zato nalaganje dokumentov v KI-klepetalnik potrebuje jasne meje pred prenosom, več preveritvenih stopenj po njem in pregledno rešitev, ko nekaj ne deluje.

Naslednji vodnik je namenjen spletnim, podpornim in produktnim ekipam. Ne opisuje posamezne funkcije proizvajalca, temveč zanesljivo ciljno sliko: uporabniki pred nalaganjem vedo, kaj je dovoljeno; sistem ločuje sprejem, varnostno preverjanje in analizo vsebine; napake ostajajo razumljive; občutljivi primeri pa se nadzorovano predajo človeku.

Nalaganje potrebuje jasen namen

Ne začnite s čim daljšim seznamom podprtih formatov, temveč z nekaj ključnimi nalogami. Ali naj klepetalnik razloži podatke z računa, povzame tehnično dokumentacijo ali dopolni podporno zahtevo s posnetkom zaslona? Za vsako nalogo mora biti jasno določeno, katera vsebina je potrebna, katero odločitev lahko sprejme sistem in kdaj je obvezen pregledu s strani človeka.

Ta namenskost preprečuje, da bi nalaganje postalo splošno odlagališče dokumentov. Pomaga tudi pri oblikovanju: dokazilo za reklamacijo potrebuje drugačna navodila in pravila hrambe kot javni opis izdelka za bazo znanja. Obstoječi vodnik o treniranju s pogostimi vprašanji (FAQ), dokumenti in spletnimi vsebinami obravnava urejeno bazo znanja; tukaj pa gre za datoteke, ki jih obiskovalci predložijo med potekom pogovora.

Omogočite vidnost dovoljenih vrst datotek, velikosti in količin

Uporabniki morajo videti pravila, preden se odpre pogovorno okno za izbiro datoteke: dovoljeni formati, največja velikost, največje število ter ali so sprejete datoteke, zaščitene z geslom, ali stisnjene datoteke. Uporabite seznam dovoljenih formatov (positivlist), ki omogoča le poslovno potrebne formate. »Vsi dokumenti« ni uporabna zahteva.

HTML atribut accept izboljša izbiro v brskalniku, vendar ne predstavlja varnostnega nadzora. MDN izrecno opozarja, da lahko uporabniki pogosto zaobidejo omejitev izbire, zato mora preverjanje potekati na strežniku. Vmesnik torej lahko ponudi ustrezne končnice datotek, medtem ko strežnik neodvisno od tega oceni končnico, prijavljeni tip MIME, dejanski podpis in strukturo.

Imen datotek in metapodatkov ne prevzemajte nepreverjenih

Izvirno ime lahko vsebuje posebne znake, dele poti, zelo dolge nize znakov ali občutljive informacije. Za interno shranjevanje bi moral sistem dodeliti lastno naključno identifikacijsko oznako, vidno ime pa obravnavati le kot očiščeno informacijo za prikaz. Tudi vgrajeni metapodatki lahko vsebujejo imena, informacije o napravi ali lokaciji. Ali so ti podatki potrebni, mora izhajati iz samega namena.

OWASP File Upload Cheat Sheet med drugim priporoča seznam dovoljenih razširitev, neodvisno preverjanje tipa, varna imena datotek, omejitve velikosti, shranjevanje zunaj spletnega korena (webroot) in zaščito pred nepooblaščenim nalaganjem. Nobeno posamezno preverjanje ne zadošča samo po sebi; smiselna je veriga malih, sledljivih kontrol.

Ločite sprejem, varnostno preverjanje in analizo

Sprejeta datoteka ne bi smela biti takoj na voljo v klepetu. Zanesljiv potek pozna vsaj tri stanja: prejeto, v preverjanju in odobreno za analizo. Med preverjanjem se datoteka nahaja v izoliranem območju. Šele po uspešnem pregledu pridobi ekstrakcija dostop. Neposrednim javnim URL-jem ali predvidljivim potem shranjevanja se je treba izogibati.

Preverjanje zlonamerne kode in strukture

Glede na tveganje sodijo v proces pregled virusov ali peskovnik (sandbox), preverjanje podpisa ter pri ustreznih pisarniških ali PDF datotekah tudi obdelava CDR (Content Disarm and Reconstruction). Arhivi, vgnezdeni dokumenti in nenavadno močno stisnjene vsebine potrebujejo lastne omejitve, saj lahko zasedejo vire ali napadejo razčlenjevalnike (parserje). Skenerji in knjižnice morajo biti posodobljeni in konfigurirani tako, da se časovna prekinitev (timeout) ali napaka razčlenjevalnika ne štejeta kot odobritev.

Ekstrakcija besedila je ločeno stanje kakovosti

Varna datoteka je lahko kljub temu neuporabna: poševno skeniran dokument, fotografija z odsevi, ročno napisan zaznamek ali PDF brez besedilne plasti, ki jo je mogoče ekstrahirati. Sistem bi moral zato ločeno sporočiti, ali je bila datoteka varno sprejeta in ali je bilo mogoče vsebino ustrezno prebrati. Nízke kakovosti ekstrakcije se ne sme prikrivati z izmišljenimi dopolnitvami.

Napake oblikujte natančno in z možnostjo ukrepanja

»Nalaganje ni uspelo« pušča odprto vprašanje, kaj storiti naprej. Boljša so razločna sporočila: format ni podprt, datoteka je prevelika, zaznana je zaščita z geslom, varnostni pregled ni uspel, besedilo ni berljivo ali obdelava začasno ni na voljo. Sporočilo ne sme razkrivati internih podrobnosti skenerja ali infrastrukture, mora pa ponuditi varno popravilo.

WCAG 2.2 pri samodejno zaznanih napakah vnosa zahteva besedilno identifikacijo in opis. Razlaga kriterija Success Criterion 3.3.1 Error Identification poudarja, da zgolj ponovno prikazan obrazec ne zadošča. Za klepet to pomeni: navedite ime datoteke oziroma mesto nalaganja, razložite napako v besedilni obliki in ponudite konkretno možnost za zamenjavo, odstranitev ali predajo.

Dostopno sporočajte napredek

Pri večjih datotekah prihaja do čakalnih časov. Zgolj vizualni vrstični prikaz ne pomaga vsem uporabnikom. Spremembe stanja, kot so »Nalaganje poteka«, »Varnostni pregled«, »Branje vsebine« in »Pripravljeno«, bi morale biti programsko prepoznavne, ne da bi se fokus tipkovnice nenapovedano premaknil. Razlaga W3C za WCAG 4.1.3 Status Messages izrecno navaja napredek, uspeh in napake kot pomembne informacije o stanju.

Možnost prekinitve mora ostati dosegljiva. Po prekinitvi mora biti vidno, ali je bil prenos dejansko zaustavljen in ali je bila že prejeta kopija zavržena. Na mobilnih napravah morajo biti ime datoteke, napredek in gumb za odstranitev razporejeni tako, da ne prekrivajo vnosa ali pomembne navigacije.

Pojasnite varstvo podatkov pred nalaganjem

Opozorilo mora pred prenosom podatkov odgovoriti na vprašanja: Za kaj se datoteka uporablja? Kdo jo lahko vidi? Kako dolgo ostane shranjena? Ali se njena vsebina uporablja za izboljšavo modela? Kako je mogoče datoteko odstraniti? Splošna obvestila o varstvu podatkov ostajajo pomembna, vendar ne nadomeščajo kontekstualnega opozorila neposredno ob nalaganju.

Člen 5 Splošne uredbe o varstvu podatkov (GDPR) med drugim vsebuje načela omejitve namena, najmanjšega obsega podatkov in omejitve shranjevanja. V praksi to pomeni: zahtevajte le potrebne dokumente, izogibajte se nepotrebnim stranem ali metapodatkom, določite utemeljen rok izbrisa in tehnično preverite dejanski izbris. To ni pravno svetovanje; konkretne obveznosti je treba oceniti za posamezno uporabo.

Ločite javne klepete in zaščitene postopke

Javni spletni klepet ni samodejno pravo mesto za pogodbe, osebne dokumente, zdravstvene podatke ali bančne izpiske. Pri občutljivih postopkih naj se pogovor preseli v avtenticirano območje ali uveljavljen varen kanal. Prispevek Javni KI-klepetalnik nasproti uporabniškemu portalu prikazuje, kako se ločita identiteta in dostop do podatkov.

Tudi v prijavljenem območju velja načelo najmanjših pravic (least privilege). Uslužbenec podpore morda potrebuje vpogled v račun, nima pa samodejno trajnega dostopa do vseh naloženih dokumentov nekega računa. Dostopi, prenosi in izbrisi bi morali biti sledljivo zabeleženi v dnevnikih, ne da bi se vsebina dokumentov nepotrebno kopirala v analitične dogodke.

Vsebina dokumenta ostaja nezaupanja vredna

Odobrena datoteka je tehnično obdelana, vendar vsebinsko še ni avtoritativni vir. Dokumenti so lahko zastareli, protislovni ali namerno manipulirani. Poleg tega lahko vsebujejo navodila, ki želijo model napeljati k odtekanju podatkov ali zaobidenju pravil. Ekstrahirano besedilo zato obravnavajte kot nezaupanja vredno vsebino (untrusted content), ločite ga od sistemskih pravil ter omejite orodja in dostope do podatkov.

Vodnik o prompt injection pri spletnih klepetalnikih pojasnjuje to mejo za RAG in orodja. Za nalaganje pa velja še dodatno: odgovori naj se sklicujejo na prepoznavna mesta v dokumentu, navedejo naj negotovost in pri kritičnih odločitvah ne dopolnjujejo manjkajočih podatkov.

Predaja človeku (Human Handoff) z malim paketom konteksta

Predaja je potrebna, ko varnostni pregled večkrat ne uspe, ko ekstrakcija ostaja nezanesljiva, ko identiteta ali pooblastilo nista jasna ali ko je strokovna odločitev zunaj pristojnosti klepetalnika. Predajo se le informacije, ki jih človek potrebuje za nadaljevanje: zadeva, stanje nalaganja, varna referenca na dokument, konkretno sporočilo o napaki, že potrjeni podatki in želeni naslednji korak.

Datoteka se ne sme dodatno poiljati po nezaščiteni elektronski pošti le zato, ker je klepetalnik ni mogel prebrati. Načrtovan proces predaje človeku (Human Handoff) ohranja kontekst, pristojnost in pričakovanja, ne da bi nepotrebno podvajal občutljive vsebine.

Merite z dogodki, ne z vsebino dokumentov

Za izboljšanje izdelka pogosto zadoščajo strukturirani dogodki: izbira se je začela, nalaganje prekinjeno, tip zavrnjen, omejitev velikosti dosežena, varnostni pregled uspešen, ekstrakcija nezadostna, izbrana predaja in potrjen izbris. Imena datotek, ekstrahirano besedilo in osebni podatki ne sodijo samodejno v analitiko ali dnevnike napak.

Analizirajte kazalnike uspeha in varnosti skupaj. Visoka stopnja nalaganja je brez vrednosti, če veliko ljudi ne razume, katera datoteka se pričakuje, ali če občutljivi dokumenti pristanejo v javnem klepetu. Zato so pomembni tudi stopnja popravkov, prekinitev po obvestilu o varstvu podatkov, delež neberljivih datotek, čas do razumljivega sporočila o napaki in uspešno nadaljevanje po predaji.

Kontrolni seznam pred zagonom (Go-live)

• Ali sta za vsak primer nalaganja določena jasen namen in dovoljena vrsta dokumenta?
• Ali so format, velikost, število, zaščita z geslom in hramba vidni pred izbiro?
• Ali strežnik preverja končnico, tip MIME, podpis, strukturo in omejitve velikosti neodvisno od brskalnika?
• Ali so karantena, pregled glede zlonamerne kode, ekstrakcija in odobritev izvedeni kot ločena stanja?
• Ali uporabniki prejmejo natančna in dostopna sporočila o napredku in napakah?
• Ali se občutljivi postopki preusmerijo v avtenticiran kanal ali kanal s človeško podporo?
• Ali so rok izbrisa, dostop, beleženje v dnevnike in potrjen izbris praktično preizkušeni?
• Ali klepetalnik obravnava ekstrahirano besedilo kot nezaupanja vredno in navaja sledljiva mesta?
• Ali analitika vsebuje le potrebne dogodke namesto imen datotek ali vsebin dokumentov?
• Ali je predaja preizkušena z realnimi primeri napak na namiznih in mobilnih napravah?

Zaključek: Varno nalaganje se začne pred datoteko

Dobre rešitve za nalaganje dokumentov prikažejo meje, preden podatki stečejo. Nato ločijo tehnični sprejem, varnostno preverjanje, kakovost vsebine in strokovno odločitev. Tako lahko KI-klepetalnik uporablja dokumente kot koristen kontekst pogovora, ne da bi prehitro zaupal vsakemu prejetemu bajtu ali ekstrahiranemu navodilu.

Če želite vzpostaviti spletni klepetalnik in takšne poteke uvrstiti v zanesljivo celostno arhitekturo, si lahko ogledate funkcije orodja ChatReact. Pri tem načrtujte nalaganje kot nadzorovan servisni proces – z jasnim soglasjem, razumljivim stanjem in varno potjo do človeka.

Viri

• OWASP Cheat Sheet Series: File Upload
• MDN: accept HTML attribute
• W3C WAI: Understanding Status Messages
• W3C WAI: Understanding Error Identification
• EUR-Lex: Uredba (EU) 2016/679