Новые интеллектуальные возможности для вашей команды со встроенными средствами обеспечения конфиденциальности
Мы охотно применяем в наших облачных продуктах интеллектуальные возможности на основе машинного обучения, представленные в октябре 2020 года.
В течение последних лет мы развивали платформу Atlassian, которая служит единой облачной инфраструктурой и позволяет создавать мощные средства взаимодействия между нашими продуктами, чтобы ускорить совместную работу, а также сделать ее более предсказуемой и безопасной. С помощью платформы Atlassian мы можем собрать данные по сценариям использования среди более чем 150 000 клиентов наших облачных продуктов, чтобы понять, как участники выполняют работу и как команды взаимодействуют при том или ином масштабе.
Интеллектуальные возможности помогают ускорить совместную работу команд. Мы хотим рассказать вам о том, как разрабатывались наши решения, в которых конфиденциальность заложена в основу.
Интеллектуальные возможности помогают ускорить совместную работу команд. Мы хотим рассказать вам о том, как разрабатывались наши решения, в которых конфиденциальность заложена в основу.
Интеллектуальный поиск
- Персональные результаты поиска помогают отображать наиболее значимый контент.
- Мгновенные результаты поиска основаны на том, что пользователь ищет чаще всего.
- Интеллектуальное управление фильтрами помогает ограничить поиск людьми, проектами или разделами, с которыми вы работаете.
Прогнозирование совместной работы
- С помощью интеллектуальных упоминаний пользователей можно подобрать наиболее подходящих людей для участия в цикле совместной работы.
- Прогнозируемые ограничения страниц позволяют найти для совместной работы над документом людей, с которыми вы тесно сотрудничаете.
- Прогнозирование для запросов pull помогает выбрать подходящих людей для проверки изменений в коде.
Ускорение рабочего процесса
- Прогнозируемое назначение задач позволяет найти наиболее подходящих пользователей для работы над ними.
- Интеллектуальная классификация и сортировка задач помогают выбрать правильные значения для общих полей задач, таких как метки, компоненты и версии решения.
- Интеллектуальная кластеризация задач позволяет группировать похожие задачи, чтобы упростить выполнение массовых операций в рабочем процессе.
Что такое машинное обучение и как оно работает?
Инструменты машинного обучения в интеллектуальных возможностях работают на основе моделей. В моделях применяются компьютерные алгоритмы, которые позволяют автоматически улучшать функции с учетом опыта. Вот как это работает.
Обучение
Модель «обучается» на исходных данных, что включает в себя использование алгоритмов для распознавания закономерностей на основе общего поведения пользователей (обученные модели не хранят исходные данные, поскольку цель в том, чтобы обучаться с их помощью, а не полагаться на них). При этом модель развивает способность прогнозировать вероятное поведение будущих пользователей и преобразует эти прогнозы в правила, которые можно будет применить в аналогичных будущих сценариях.
Действие
Модель применяет эти правила в вашем экземпляре нашего продукта — они используются во всех облачных продуктах, чтобы раскрыть потенциал команд!
Пример
Модель определяет, что среднестатистический пользователь Jira чаще всего упоминает людей, с которыми он недавно работал над задачей. Модель вычленяет эту общую закономерность поведения пользователей Jira и применяет ее, устанавливая сигнал (т. е. «пользователь ранее отмечал кого-то в задаче и собирается снова кого-то отметить»), а затем присваивает этому сигналу вес (т. е. «скорее всего, это будет тот же человек, что и раньше»). Это позволяет модели упростить командную работу для пользователя (т. е. «отобразим ранее упомянутого человека в начале списка выбора @упоминаний»).
Как обучаются модели и используются ли при этом мои данные?
Работа современных моделей для интеллектуального поиска, прогнозирования совместной работы и ускорения рабочего процесса основана на различных наборах данных, включая следующие.
Набор данных | Возможность | Пример данных |
|---|---|---|
| Обезличенные обобщенные данные об использовании | Возможность Прогнозирование упоминаний/полей | Пример данных
|
| Обезличенный контент с односторонней векторизацией | Возможность Кластеризация задач | Пример данных
|
| Обезличенные поисковые запросы | Возможность Интеллектуальный поиск | Пример данных
|
Как соблюдается конфиденциальность данных при интеллектуальном поиске, прогнозировании совместной работы и ускорении рабочего процесса?
Один из лучших аспектов работы в Atlassian — возможность использовать собственные инструменты для всех видов работ. Будучи публичной компанией, мы понимаем, насколько важно правильно обрабатывать конфиденциальную информацию. Будьте уверены, мы хорошо подумали над тем, как предотвратить непреднамеренное раскрытие моделями машинного обучения информации об исходных данных, на которых они обучаются.
Мы внедрили средства обеспечения конфиденциальности, действующие как внутри вашей организации (чтобы оградить сотрудников от информации, которую им не следует просматривать), так и за ее пределами (чтобы важные данные оставались внутри коллектива).
- В предлагаемых нами возможностях предусмотрены меры, позволяющие обеспечить конфиденциальность данных в наших продуктах. Так, пользователи не получают в рекомендациях контент, на просмотр которого у них нет прав.
- Когда мы создаем модели, которые изучают закономерности по вашим данным (например, из поисковых запросов, сделанных вашими пользователями на вашем экземпляре), эти данные не выходят за рамки групповых прав в целях широкого обучения модели. Обезличенные строки поисковых запросов доступны только автоматическим заданиям и не просматриваются пользователями (страницы с ограниченным доступом никогда не используются).
- Когда мы создаем модели, изучающие тенденции среди клиентов (например, пользователи обычно ищут то, над чем они недавно работали), мы получаем данные только из такой информации, как обезличенная поведенческая аналитика (например, количество отметок «Мне нравится») и контент с односторонней векторизацией, которые обобщаются по работающим в облаке клиентам.
- Там, где это возможно, мы используем модели, обученные на общедоступных наборах данных (т. е. не содержащие данных о клиентах).
- Все данные собираются, обрабатываются, передаются и хранятся в соответствии с нашей Политикой конфиденциальности.
Пример 1
Мы знаем, что для вашей компании важна конфиденциальность, в том числе настройки видимости страниц Confluence. Интеллектуальный поиск отслеживает все настройки групповых прав, включая права на уровне пользователя, поэтому страницы Confluence, помеченные как закрытые, не будут отображаться среди рекомендуемых результатов поиска для пользователей вашей компании, не имеющих к ним доступа.
Пример 2
Мы понимаем, что вы не хотите, чтобы другие компании получали предлагаемые результаты поиска на основе вашей конфиденциальной информации. В отличие от других типов поисковых систем интеллектуальный поиск не обобщает популярные поисковые запросы среди клиентов для улучшения своей функциональности (в нем используются предпочтения поиска отдельных пользователей), поэтому модели машинного обучения всегда будут отслеживать групповые права и предотвращать утечку информации между клиентами. Другими словами, если у вас есть закрытый раздел Confluence и ваша команда использует его для совместной работы на страницах Confluence под названием «Приобретение компании New Co», другие клиенты Atlassian, использующие Confluence и выполняющие поиск «New Co», не увидят предложенных результатов на основе ваших страниц «Приобретение компании New Co» или поисковых запросов ваших пользователей.
Как я могу управлять интеллектуальными возможностями? Можно ли выключить их?
На этой странице представлены методы Atlassian в отношении интеллектуального поиска, прогнозирования совместной работы и ускорения рабочего процесса по состоянию на декабрь 2020 года. В настоящее время интеллектуальные возможности поддерживают работу тех функций наших продуктов, которые мы считаем основными, например поиск страниц и упоминание товарищей по команде, поэтому их выключение серьезно снизит эффективность таких функций. По этой причине и с учетом мер, которые принимаются для защиты вашей конфиденциальности, мы не предоставляем доступ к «выключателю».
Мы уверены в своих стратегиях снижения рисков и по мере развития возможностей машинного обучения продолжим исследовать и применять методы повышения конфиденциальности, что позволит нам выпускать новые функции. Ваши отзывы — неотъемлемая часть нашего развития. Узнайте больше о том, что ждет Atlassian в будущем, из нашей дорожной карты развития облака. Делитесь мыслями о том, как привести наши планы в соответствие с вашими требованиями к конфиденциальности, и вносите предложения о реализации новых возможностей (или отслеживайте и комментируйте существующие идеи, а также голосуйте за них) в общедоступной системе отслеживания задач Atlassian.
Кроме того, вы можете обсуждать интеллектуальные возможности в нашей группе сообщества.
