Documentation›Azure ML
Intégrations

Azure ML

Ajoutez un contrôle CertOne entre l'entraînement et l'empaquetage. Un verdict défavorable fait échouer l'étape et le modèle n'est jamais empaqueté.

Avant de commencer

  • Un espace de travail Azure ML et une grappe de calcul avec une identité managée attribuée par le système.
  • Une clé d'API member enregistrée dans le Key Vault de l'espace de travail sous le secret certone-api-key.
  • Le rôle Key Vault Secrets User accordé à l'identité de la grappe sur ce coffre.
Azure CLI
# The cluster's managed identity reads the key from the workspace Key Vault.
az keyvault secret set --vault-name <workspace-vault> --name certone-api-key --value "$CERTONE_API_KEY"
# Grant the compute cluster's system-assigned identity "Key Vault Secrets User" on that vault.

Dans la console CertOne, ouvrez Developer Hub, puis API keys. Nommez la clé, choisissez le rôle member et sélectionnez New key.

  • Copiez le secret immédiatement : il n'est affiché qu'une fois.
  • Les clés commencent par ck_ et expirent après au plus 365 jours.
  • La création de clés exige le rôle admin dans votre organisation.
  • Une clé viewer peut lire les résultats mais ne peut pas soumettre d'analyses.

Ajoutez l'étape de contrôle

Déclarez l'URL du coffre comme entrée du pipeline et ajoutez une tâche qui lance certone-submit. L'empaquetage prend la sortie du contrôle en entrée, donc il ne s'exécute qu'après un verdict favorable.

pipeline.yml
inputs:
  certone_key_vault_url:
    type: string
jobs:
  # train: ...   evaluate: ...
  certone_gate:
    type: command
    inputs:
      certone_key_vault_url: ${{parent.inputs.certone_key_vault_url}}
      model: ${{parent.jobs.train.outputs.model}}
    outputs:
      report: { type: uri_folder }
    code: ..
    command: >-
      pip install -q "certone-sdk[azure]>=0.2.1" &&
      certone-submit --project . --asset "Card Fraud Scorer" --environment ci
      --country-code CA --tee kata_cc --fail-on high
      --api-key-vault "${{inputs.certone_key_vault_url}}/secrets/certone-api-key"
      --report-out ${{outputs.report}}/report.json
      --attestation-out ${{outputs.report}}/attestation.json
  package:
    inputs:
      gate: ${{parent.jobs.certone_gate.outputs.report}}   # runs only if the gate passed

Soumettez le pipeline avec l'URL du coffre :

Azure CLI
az ml job create -f pipeline.yml --set inputs.certone_key_vault_url=https://<workspace-vault>.vault.azure.net

Options

Le contrôle utilise certone-submit; toutes les options sont décrites dans le guide SDK et CLI. Celles utilisées ici :

OptionRôle
--api-key-vaultLire la clé dans Key Vault avec l'identité managée du calcul.
--teeamd_sev_snp (par défaut) ou kata_cc.
--country-codeOù le système est exploité.
--fail-onSévérité minimale qui fait échouer, high par défaut.
--report-out, --attestation-outÉcrire le rapport et, si favorable, l'attestation dans la sortie de l'étape.

Ce que vous voyez

  • Dans Studio, le graphe montre l'étape de contrôle terminée ou échouée, et l'empaquetage ne s'exécute qu'après un verdict favorable.
  • Le fichier user_logs/std_log.txt de l'étape montre le verdict, le lieu d'exécution et une ligne par constat avec sa sévérité.

Comment le contrôle fonctionne

  • Code 0 pour un verdict favorable : le pipeline continue.
  • Code 1 pour un verdict défavorable, ou 2 pour une erreur comme une clé illisible : l'étape échoue et rien ne s'exécute en aval.