Как использовать секретные ключи в конвейерах службы машинного обучения Azure

Question

Как использовать секретные ключи в конвейерах службы машинного обучения Azure

Я использую службы машинного обучения Azure и функции конвейера для подготовки данных, обучения и тестирования моих моделей машинного обучения. Однако на этапе подготовки данных мне необходимо подключиться к базе данных, и я хочу найти способ передачи своих секретных паролей или ключей без записи их в виде простого текста в моих файлах сценариев.

Локально я использую переменные среды для использования секретных паролей и ключей, но, насколько мне известно, это невозможно в инфраструктуре конвейера, поскольку Conda не поддерживает передачу переменных среды. Если кто-то может подтвердить или опровергнуть это, это будет полезно.

В службах машинного обучения Azure на портале Azure я обнаружил ресурс "хранилище ключей", который создается автоматически при создании ресурса "Рабочая область службы машинного обучения". Кажется, это именно то, что мне нужно. Это? И если да, то как мне его использовать?

Если ни одно из вышеперечисленных не решает мою проблему, есть ли другой способ безопасно использовать секретные пароли и ключи в моих сценариях, не записывая их в виде простого текста в сценариях?

РЕДАКТИРОВАТЬ: я понимаю, что мой вопрос сосредоточен на соединениях с базой данных. Однако на самом деле речь идет о любых видах секретов или паролей, а не только об учетных данных базы данных. Как было указано в ответе, здесь стоит упомянуть, что соединения с базой данных SQL Azure могут (и должны) решаться с помощью DataTransferStep.

3

azure-machine-learning-service azure-machine-learning azure-machine-learning-workbench

Источник

user6361775 09 янв '19 в 11:41

1 ответ

Другие вопросы по тегам azure-machine-learning-service azure-machine-learning azure-machine-learning-workbench

user6470915 20 май '19 в 07:51 2019-05-20 07:51 · Answer 1 · 2019-05-20 07:51

Вместо того, чтобы использовать переменные среды, вы можете просто передать учетные данные через argumentsпараметр:

pipeline_step = PythonScriptStep(
    script_name='train.py',
    arguments=['--keyvault_name', 'MyKV', '--secret_name', 'MyPW'], ...

И определить аргументы скрипта в train.py следующее:

parser = argparse.ArgumentParser('train')
parser.add_argument('--keyvault_name')
parser.add_argument('--secret_name')
args = parser.parse_args()

Затем вы можете использовать переменные args.keyvault_name а также args.secret_name в вашем сценарии. Вы можете использовать эти значения для считывания пароля из хранилища ключей. Конечно, вы должны сначала создать хранилище ключей и сохранить там пароль. Кроме того, вы также должны убедиться, что AML Workspace имеет разрешение на чтение секретов из хранилища ключей.

Конечно, вы также можете передать пароль в аргументе script в виде обычного текста, но это не рекомендуется.