AI பாதுகாப்பு vs AI பாதுகாப்பு: மாதிரி அழைப்பில் ஆபத்தை கட்டுப்படுத்தவும்

AI பாதுகாப்பு மற்றும் AI பாதுகாப்பு இடையேயான வேறுபாடு எளிதாக மங்கலாகிவிடும், ஒரு மாடல் அழைப்பு ஒரு வாடிக்கையாளர், டிக்கெட், ஆவணம், பரிவர்த்தனை அல்லது முகவர் பணிச்செலவை பாதிக்க முடியும்வரை. அந்த நேரத்தில், வேறுபாடு முக்கியமாகிறது.

AI பாதுகாப்பு அமைப்பு பயனுள்ள, நம்பகமான மற்றும் அது செய்ய வேண்டிய வேலைக்கு இணைந்த வழிகளில் நடக்கிறதா என்பதை கேட்கிறது. AI பாதுகாப்பு அமைப்பு, அதன் தரவுகள், அதன் கருவிகள் அல்லது அதன் அணுகல் பாதைகள் தாக்கப்படவோ அல்லது தவறாக பயன்படுத்தப்படவோ முடியுமா என்பதை கேட்கிறது. உற்பத்தி குழுக்கள் இரண்டையும் தேவைப்படுகின்றன, ஏனெனில் ஒரு பாதுகாப்பான மாடல் இன்னும் சுரண்டப்படலாம், மேலும் ஒரு பாதுகாப்பான ஒருங்கிணைப்பு இன்னும் தீங்கு அல்லது நம்பகமற்ற வெளியீடுகளை உருவாக்கலாம்.

மாடல் APIகளுடன் வேலை செய்யும் கட்டுமானர்களுக்கு, நடைமுறை கட்டுப்பாட்டு புள்ளி பெரும்பாலும் மாடல் அழைப்பு தான்: எந்த மாடல் தேர்ந்தெடுக்கப்படுகிறது, எந்த உந்துதல் அனுப்பப்படுகிறது, எந்த கருவிகள் அனுமதிக்கப்படுகின்றன, எந்த தரவுகள் இணைக்கப்படுகின்றன, என்ன பதிவு செய்யப்படுகிறது, எந்த மாற்று பாதை கிடைக்கிறது, மற்றும் பதில் திரும்பும்போது பயனர் என்ன பார்க்கிறார்.

AI பாதுகாப்பு நடத்தை அபாயத்தை கட்டுப்படுத்துகிறது

AI பாதுகாப்பு என்பது AI அமைப்பின் நடத்தை மற்றும் விளைவுகள் பற்றியது. முக்கிய கேள்வி: இந்த பயனர், பணிக்கான மற்றும் சூழலுக்கான அமைப்பு இவ்வாறு நடக்க வேண்டுமா?

பாதுகாப்பு வேலை பெரும்பாலும் வெளியீட்டு தரம், தீங்கு விளைவிக்கும் உள்ளடக்கம், பாகுபாடு, மாயம், மறுப்பு நடத்தை, வலிமை, மதிப்பீடு மற்றும் மனித மேற்பார்வையை உள்ளடக்குகிறது. இது ஒவ்வொரு தயாரிப்பு குழுவும் இறுதியில் எதிர்கொள்ளும் செயல்பாட்டு கேள்வியையும் உள்ளடக்குகிறது: மாடல் உறுதியாக இல்லாதது, தவறானது, முழுமையற்றது அல்லது அதன் நோக்கத்திற்குப் புறம்பானதை செய்ய கேட்கப்பட்டால் என்ன நடக்கிறது?

மாதிரி NIST AI அபாய மேலாண்மை கட்டமைப்பு இங்கு பயனுள்ளதாக உள்ளது, ஏனெனில் AI அபாயத்தை குழுக்கள் ஆளுகை செய்ய, வரைபடம் செய்ய, அளவிட மற்றும் மேலாண்மை செய்ய வேண்டும் என்று கருதுகிறது, ஒரே முறை மாடல் தேர்வு முடிவாக அல்ல. பல மாடல்கள் அல்லது வழங்குநர்களுக்கு வேலை வழிமாற்றம் செய்யும் போது அந்த அமைப்பு மிகவும் முக்கியமாகிறது.

AI பாதுகாப்பு சுரண்டல் அபாயத்தை கட்டுப்படுத்துகிறது

AI பாதுகாப்பு என்பது மாடல் ஒருங்கிணைப்பை தாக்குதல், அனுமதியற்ற அணுகல், தரவுகள் வெளிப்பாடு மற்றும் தவறான பயன்பாட்டிலிருந்து பாதுகாப்பது பற்றியது. முக்கிய கேள்வி: இந்த அமைப்பு, அதன் உந்துதல், அதன் கருவிகள், அதன் மீட்பு மூலங்கள் அல்லது அதன் அனுமதிகளை யாராவது சுரண்ட முடியுமா?

பாதுகாப்பு வேலை பெரும்பாலும் உந்துதல் ஊடுருவல், உணர்வான தகவல் வெளிப்பாடு, பயிற்சி அல்லது மீட்பு தரவுகள் விஷம், மாடல் வழங்கல் சங்கிலி அபாயம், அதிகமான கருவி அனுமதிகள், சேவை மறுப்பு, சான்றிதழ் கசிவு மற்றும் பாதுகாப்பற்ற பிளகின் அல்லது முகவர் வடிவமைப்பை உள்ளடக்குகிறது. பெரிய மொழி மாடல் பயன்பாடுகளுக்கான OWASP டாப் 10 ஒரு பயனுள்ள குறிப்பாக உள்ளது, ஏனெனில் LLMக்கள் உண்மையான மென்பொருளில் இணைக்கப்பட்டவுடன் தோன்றும் பல தோல்வி முறைகளை பெயரிடுகிறது.

பாதுகாப்பு என்பது ஒரு மாடல்-வழங்குநர் பிரச்சினை மட்டுமல்ல. கட்டுமானர்கள் API விசைகளை fortfarande பாதுகாக்க, பயனர்களை அங்கீகரிக்க, வேலைப்பகுதி அனுமதிகளை வரையறுக்க, மீட்பு மூலங்களை வடிகட்ட, முகவர் கருவிகளை கட்டுப்படுத்த மற்றும் அசாதாரண பயன்பாட்டு முறைமைகளை கண்காணிக்க வேண்டும். ஒரு வழங்குநர் தனது சொந்த உள்கட்டமைப்பை பாதுகாக்கலாம், ஆனால் உங்கள் பயன்பாடு இன்னும் அபாயகரமான கருவி அணுகல் அல்லது பயனர் தரவுகளை வெளிப்படுத்துகிறது.

பாதுகாப்பு vs பாதுகாப்பு: நடைமுறை வேறுபாடு

பகுதி	AI பாதுகாப்பு	AI பாதுகாப்பு முறை
முக்கிய கேள்வி	இந்த செயல்பாட்டை அமைப்பு உருவாக்க வேண்டுமா?	யாராவது இந்த அமைப்பை தவறாக பயன்படுத்த முடியுமா?
வழக்கமான அபாயம்	தீங்கு விளைவிக்கும், பாகுபாடு கொண்ட, நம்பகமற்ற அல்லது தவறான வெளியீடுகள்	ப்ராம்ட் இன்ஜெக்ஷன், தரவின் வெளிப்பாடு, தவறான பயன்பாடு அல்லது அனுமதியற்ற அணுகல்
முதன்மை கட்டுப்பாடுகள்	மதிப்பீடுகள், பாதுகாப்பு வழிகாட்டிகள், மனித மதிப்பீடு, மாடல் தேர்வு, வெளியீட்டு கொள்கைகள்	அங்கீகாரம், அனுமதிகள், உள்ளீட்டு கட்டுப்பாடுகள், ரகசிய மேலாண்மை, கருவி தனிமைப்படுத்தல்
தோல்வி உதாரணம்	ஒரு ஆதரவு உதவியாளர் பாதுகாப்பற்ற பணத்தை திருப்பி வழங்கும் வழிகாட்டுதலை வழங்குகிறார்	ஒரு தீவிரமான ப்ராம்ட் ஒரு முகவரை தனிப்பட்ட டிக்கெட் தரவுகளை வெளிப்படுத்த வைக்கிறது
உரிமையாளர் ஒட்டுமொத்தம்	தயாரிப்பு, கொள்கை, பொறியியல், சட்டம், டொமைன் நிபுணர்கள்	பாதுகாப்பு, தளம், பொறியியல், செயல்பாடுகள்

பல உற்பத்தி தோல்விகள் நிகழும் இடம்重叠. வழிமாற்று ஊக்கம் என்பது உத்தரவுகளை அல்லது தரவினை அணுகுவதில் மாற்றம் செய்யும் போது ஒரு பாதுகாப்பு பிரச்சினையாகும், ஆனால் மாற்றியமைக்கப்பட்ட பதில் ஒரு பயனருக்கு சென்றடையும் போது இது ஒரு பாதுகாப்பு பிரச்சினையாக மாறலாம். பரந்த அனுமதிகளுடன் ஒரு முகவர் பாதுகாப்பு கவலை அளிக்கிறது, ஆனால் அதன் நடவடிக்கைகள் மாடல் நம்பகமற்ற முடிவை எடுக்கும் போது பாதுகாப்பு மற்றும் வணிக ஆபத்தை உருவாக்கலாம்.

ஏன் மாடல் அழைப்புகள் தனித்துவமான கட்டுப்பாட்டு அடுக்கு தேவைப்படுகிறது

பல குழுக்கள் ஒரு மாடல், ஒரு API விசை மற்றும் ஒரு வழிமாற்றுடன் தொடங்குகின்றன. இது ஒரு முன்னோட்டத்திற்காக வேலை செய்யலாம். தயாரிப்பு பல மாடல்கள், வாடிக்கையாளர்-குறிப்பிட்ட அமைப்புகள், முகவர் கருவிகள், மீட்பு, பின்வாங்க வழிமாற்று, செலவு கட்டுப்பாடுகள் அல்லது பயன்பாட்டை அடிப்படையாகக் கொண்ட பில்லிங் சேர்க்கும் போது இது பலவீனமாக மாறுகிறது.

ஒரு மாடல்-அழைப்பு கட்டுப்பாட்டு அடுக்கு கட்டுமானர்களுக்கு முன்னறிவிப்பு மற்றும் பின்னறிவிப்பு முடிவுகளைப் பயன்படுத்த ஒரு நிலையான இடத்தை வழங்குகிறது. இது கேள்விகளுக்கு பதிலளிக்க உதவலாம்:

• எந்த மாடல் இந்த பணியை, பயனர் நிலையை, தரவின் வகையை அல்லது ஆபத்து நிலையை கையாள வேண்டும்?
• முதன்மை மாடல் கிடைக்கவில்லை, மிகவும் மெதுவாக உள்ளது அல்லது மிகவும் செலவாக உள்ளது என்றால் என்ன நடக்கும்?
• இந்த கோரிக்கைக்கு எந்த வழிமாற்றுகள், ஆவணங்கள் மற்றும் கருவிகள் அனுமதிக்கப்படுகின்றன?
• எந்த வெளியீடுகள் மதிப்பீடு, தடை, மறுஎழுத்தம் அல்லது உயர்வு தேவைப்படுகிறது?
• பயன்பாடு, செலவு, தாமதம், வழங்குநர் தேர்வு மற்றும் பிழைகள் எப்படி பதிவு செய்யப்பட வேண்டும்?

இது கூட AI நுழைவாயில் பாதுகாப்பு தடைகள் சிதறிய தனி அம்சச் சோதனைகளுக்கு மாறாக மேலும் பயனுள்ளதாக மாறுகிறது. ஒரு மைய கட்டுப்பாட்டு புள்ளி, உரையாடல், தேடல், ஆவண செயலாக்கம், முகவர்கள், வேலைப்பாடுகள் மற்றும் வாடிக்கையாளர்-நோக்கி AI அம்சங்கள் முழுவதும் பகிரப்பட்ட கொள்கைகளைப் பயன்படுத்த எளிதாக்குகிறது.

AI பாதுகாப்பு மற்றும் AI பாதுகாப்புக்கான கட்டுமானர் சரிபார்ப்பு பட்டியல்

1. நடத்தை கொள்கைகளை அணுகல் கொள்கைகளிலிருந்து பிரிக்கவும்

AI அம்சம் என்ன செய்ய அல்லது சொல்ல அனுமதிக்கப்படுகிறது என்பதை எழுதுங்கள், பின்னர் அதை யார் அழைக்க முடியும், எந்த தரவுகளை அது பயன்படுத்த முடியும், மற்றும் எந்த கருவிகளை அது அணுக முடியும் என்பதை தனியாக வரையறுக்கவும். பாதுகாப்பு கொள்கைகள் மற்றும் பாதுகாப்பு கொள்கைகள் சந்திக்க வேண்டும், ஆனால் அவை ஒரே ஆவணமாக இருக்கக்கூடாது.

பணியின் ஆபத்து அடிப்படையில் வழிமாற்றம் செய்யவும், வெறும் தரநிலைக் மதிப்பெண் அடிப்படையில் அல்ல.

பொது ஆவணங்களை சுருக்குவதற்கான சிறந்த மாதிரி, ஒழுங்குபடுத்தப்பட்ட ஆதரவு, குறியீடு மாற்றங்கள், சட்ட பரிசீலனை, அல்லது வாடிக்கையாளர்-சிறப்பு தானியங்கி ஆகியவற்றிற்கான சிறந்த மாதிரியாக இருக்க முடியாது. ஆபத்து, தாமதம், செலவு மற்றும் நம்பகத்தன்மையை பிரதிபலிக்க மாதிரி தேர்வைப் பயன்படுத்தவும், வெறும் தலைப்புச் சுட்டி நிலையை மட்டும் அல்ல.

கருவி அனுமதிகளை குறுகியதாக வைத்திருக்கவும்.

முகவர்கள் இயல்பாக பரந்த கருவி அணுகலைப் பெறக்கூடாது. பயனர், வேலைநிலையம், பணியின் வகை மற்றும் நம்பகத்தன்மை நிலை ஆகியவற்றின் அடிப்படையில் கருவிகளை வரையறுக்கவும். வாசிக்க மட்டும் கருவிகள், உலர்ந்த-இயக்க முறைகள் மற்றும் மனித ஒப்புதல் படிகள் மாதிரியை மாற்றியமைக்க அல்லது தவறாக மாற்றியமைக்கும்போது சேதத்தை குறைக்க முடியும்.

மாதிரி அழைப்பை பதிவு செய்யவும், பயனர் செயல்பாட்டை மட்டும் அல்ல.

பயனுள்ள பதிவுகளில் தேர்ந்தெடுக்கப்பட்ட மாதிரி, வழங்குநர், வழி, தாமதம், செலவு, பிழை நிலை, பயனர் அல்லது வேலைநிலையம், கொள்கை முடிவு மற்றும் மாற்று பாதை ஆகியவை அடங்கும். உங்கள் தனியுரிமை மற்றும் பாதுகாப்பு விதிகள் தெளிவாக அனுமதிக்காவிட்டால், உணர்திறன் வாய்ந்த உந்துதல்கள் அல்லது வெளியீடுகளை சேமிப்பதை தவிர்க்கவும்.

வாடிக்கையாளர்கள் அதை கண்டுபிடிக்கும் முன் தோல்விகளை சோதிக்கவும்.

வெளியீட்டுக்கு முன் சிவப்பு-குழு உந்துதல்கள், எதிர்மறை மீட்பு சோதனைகள், தவறான உள்ளீடு சோதனைகள், அனுமதி சோதனைகள், மாற்று சோதனைகள் மற்றும் செலவு-உச்சம் சோதனைகளை இயக்கவும். பின்னர் உந்துதல்கள், மாதிரிகள், கருவிகள், வழங்குநர்கள் அல்லது வழிமாற்று விதிகளை மாற்றும்போது அவற்றை மீண்டும் செய்யவும்.

ShareAI எங்கு பொருந்துகிறது

ShareAI கட்டுமானர்களுக்கு 150+ AI மாதிரிகளை அணுக ஒரு API ஐ வழங்குகிறது, அதில் வழிமாற்று, தோல்வி மேலாண்மை மற்றும் சந்தை-முன்னணி மாதிரி தேர்வு ஆகியவை உள்ளன. அது உங்கள் பயன்பாட்டு பாதுகாப்பு, பயனர் அங்கீகாரம், தனியுரிமை செயல்முறை அல்லது துறைக்கு-சிறப்பு பரிசீலனையை மாற்றாது. இது ஒவ்வொரு அம்சத்திலும் நேரடி வழங்குநர் ஒருங்கிணைப்புகளை சிதறாமல், வழங்குநர் தேர்வு மற்றும் மாதிரி பயன்பாட்டை நிர்வகிக்க குழுக்களுக்கு எளிய ஒருங்கிணைப்பு மேற்பரப்பை வழங்குகிறது.

கட்டுமானர்களுக்கு, அது முக்கியமாக இருக்கிறது ஏனெனில் AI ஆபத்து மற்றும் AI பணமயமாக்கல் இணைக்கப்பட்டுள்ளன. உங்கள் தயாரிப்பு AI பயன்பாட்டிற்காக கட்டணம் வசூலிக்கிறது அல்லது வழிமாற்றப்பட்ட மாதிரி அழைப்புகளில் ஒரு வரம்பைச் சேர்க்கிறது என்றால், வாடிக்கையாளர்களுக்கு நம்பகமான நடத்தை, தெளிவான பயன்பாட்டு காட்சி மற்றும் கணிக்கக்கூடிய மாற்று பாதைகள் தேவை. பாதுகாப்பான, பாதுகாப்பான மாதிரி-அழைப்பு அடுக்கு இறுதி பயனர் மற்றும் வணிக மாதிரியை இரண்டையும் பாதுகாக்கிறது.

ஒரு ஒருங்கிணைப்பு பாதையுடன் தொடங்கவும், அதன் சுற்றியுள்ள கொள்கை முடிவுகளை வரையறுக்கவும், உங்கள் AI மேற்பரப்பு பரப்பளவு அதிகரிக்கும் முன் வழிமாற்றை கண்காணிக்கவும். ShareAI ஆவணங்களை பல மாதிரிகளை கையால் ஒவ்வொரு வழங்குநர் ஒருங்கிணைப்பையும் மீண்டும் கட்டாமல் இணைக்க விரும்பும் குழுக்களுக்கு இது சிறந்த அடுத்த படியாகும்.

கேள்விகள் மற்றும் பதில்கள்

AI பாதுகாப்பு மற்றும் AI பாதுகாப்புக்கு இடையிலான வேறுபாடு என்ன?

AI பாதுகாப்பு ஒரு AI அமைப்பு நம்பகமாக நடந்து கொள்கிறது மற்றும் தீங்கு விளைவிக்கும் விளைவுகளை தவிர்க்கிறது என்பதை மையமாகக் கொண்டுள்ளது. AI பாதுகாப்பு அமைப்பை தாக்க, தவறாக பயன்படுத்த அல்லது தரவுகள், கருவிகள் அல்லது சான்றுகளை வெளிப்படுத்த கட்டாயப்படுத்த முடியுமா என்பதை மையமாகக் கொண்டுள்ளது.

ஏன் AI பாதுகாப்பு மற்றும் AI பாதுகாப்பு கட்டுப்பாடுகள் Builders-க்கு முக்கியமானவை?

Builders மாடல்களை வாடிக்கையாளர் தொடர்புடைய வேலைகள், ஆவணங்கள், முகவர்கள் மற்றும் பில்லிங்குடன் இணைக்கிறார்கள். பாதுகாப்பை பாதுகாப்பிலிருந்து பிரித்தல் குழுக்களுக்கு சரியான கட்டுப்பாடுகளை தேர்வு செய்ய உதவுகிறது, ஒவ்வொரு AI அபாயத்தையும் ஒரு "prompt" பிரச்சினையாக கருதுவதற்கு பதிலாக.

"Prompt injection" ஒரு பாதுகாப்பு பிரச்சினையா அல்லது ஒரு பாதுகாப்பு பிரச்சினையா?

"Prompt injection" முதலில் ஒரு பாதுகாப்பு பிரச்சினையாக தொடங்குகிறது, ஏனெனில் இது வழிகாட்டுதல்கள், தரவினை அணுகல் அல்லது கருவி பயன்பாட்டை மாற்ற முயற்சிக்கிறது. இது மாற்றப்பட்ட பதில் அல்லது செயல் ஒரு பயனர் அல்லது வணிக செயல்முறைக்கு தீங்கு விளைவிக்கும்போது ஒரு பாதுகாப்பு பிரச்சினையாக மாறலாம்.

AI "gateway guardrails" பாதுகாப்பு மற்றும் பாதுகாப்பு இரண்டையும் தீர்க்கிறதா?

AI "gateway guardrails" இரண்டுக்கும் உதவ முடியும், குறிப்பாக உள்ளீட்டு சரிபார்ப்பு, வெளியீட்டு சரிபார்ப்பு, வழிமாற்றம் மற்றும் பதிவு செய்வதற்கான செயல்பாடுகளில். அவை அடையாள மேலாண்மை, பாதுகாப்பான உள்கட்டமைப்பு, குறைந்த-அதிகார கருவி வடிவமைப்பு அல்லது அதிக அபாய செயல்களுக்கான மனித மதிப்பீட்டை மாற்றாது.

குழுக்கள் பாதுகாப்பான AI வேலைகளுக்கான மாடல்களை எப்படி தேர்வு செய்ய வேண்டும்?

பணியின் அபாயம், தரவின் உணர்திறன், தாமதம், செலவு, நம்பகத்தன்மை மற்றும் வெளியீட்டு தரத்தை அடிப்படையாகக் கொண்டு மாடல்களை தேர்வு செய்யுங்கள். குறைந்த அபாய சுருக்க பணிக்கான வழி வாடிக்கையாளர் தரவோ அல்லது வணிக முக்கிய கருவிகளை தொடும் முகவருக்கு மாறுபடலாம்.

"ShareAI" மாடல்-அழைப்பு கட்டுப்பாட்டில் எப்படி உதவுகிறது?

"ShareAI" Builders-க்கு 150+ மாடல்களை அணுகுவதற்கான ஒரு API-ஐ வழங்குகிறது, வழிமாற்றம் மற்றும் "failover" விருப்பங்களுடன். இது மாடல் அணுகல் மற்றும் பயன்பாட்டு முடிவுகளை மையமாக்க எளிதாக்குகிறது, பல நேரடி வழங்குநர் ஒருங்கிணைப்புகளை பராமரிப்பதற்குப் பதிலாக.

"ShareAI" ஒரு பயன்பாட்டு பாதுகாப்பு திட்டத்தை மாற்றுகிறதா?

இல்லை. Builders இன்னும் அங்கீகாரம், அனுமதி, பாதுகாப்பான "key" கையாளுதல், தனியுரிமை கட்டுப்பாடுகள், சம்பவங்களுக்கு பதிலளிப்பு மற்றும் மதிப்பீட்டு செயல்முறைகளை தேவைப்படும். "ShareAI" மாடல் அணுகல் மற்றும் வழிமாற்றத்தில் உதவுகிறது, அனைத்து பயன்பாட்டு பாதுகாப்பு பகுதிகளிலும் அல்ல.

AI பாதுகாப்பில் வழங்குநர்கள் கவலைப்பட வேண்டியது என்ன?

வழங்குநர்கள் தவறான பயன்பாட்டைத் தடுக்க, கிடைக்கும் தன்மையை உறுதிப்படுத்த, அணுகல் கட்டுப்பாடு, தரவின் தனிமை மற்றும் தெளிவான செயல்பாட்டு எல்லைகளை கவனிக்க வேண்டும். மேம்பட்ட பாதுகாப்பு வழங்குநர் திறன் மற்றும் மாடல் அணுகலை கீழ்நிலை Builders-க்கு நம்பகமானதாக மாற்றுகிறது.

AI பாதுகாப்பில் உருவாக்குநர்கள் கவலைப்பட வேண்டியது என்ன?

உருவாக்குநர்கள் மற்றும் மாதிரி உரிமையாளர்கள் தங்கள் மாதிரிகள் எவ்வாறு நிலைநிறுத்தப்படுகின்றன, வழிநடத்தப்படுகின்றன, மதிப்பீடு செய்யப்படுகின்றன மற்றும் பயன்படுத்தப்படுகின்றன என்பதை கவனிக்க வேண்டும். பாதுகாப்பு எதிர்பார்ப்புகள் தத்தெடுப்பு, உரிமம் தொடர்பான உரையாடல்கள் மற்றும் கட்டுமானர்கள் உற்பத்தி பண்போக்குகளுக்கு ஒரு மாதிரியை நம்புகிறார்களா என்பதை பாதிக்கின்றன.

ஒரு பயன்பாட்டில் AI அபாயத்தை குறைக்கும் முதல் படி என்ன?

ஒவ்வொரு மாதிரி அழைப்பையும் அம்சம், பயனர் வகை, தரவின் மூலம், கருவி அணுகல், வெளியீடு இலக்கு மற்றும் மாற்று பாதை ஆகியவற்றின் மூலம் வரைபடம் இடுங்கள். அந்த அழைப்புகள் தெளிவாக இருக்கும் போது, பாதுகாப்பு மற்றும் பாதுகாப்பு கட்டுப்பாடுகள் எங்கு இருக்க வேண்டும் என்பதை முடிவு செய்வது மிகவும் எளிதாகிறது.