- 01Segurança em LLMs locais: riscos de dados e isolamentoRodar LLMs localmente reduz riscos de exposição externa, mas não elimina ameaças internas. Vazamento de dados sensíveis, isolamento de processos e controle de acesso são pontos críticos para proteger informações e modelos em ambientes on-premises.
- 02Qdrant seguro: autenticação, criptografia e permissõesO Qdrant, como banco vetorial open source, não possui autenticação nativa nem criptografia em trânsito. Para proteger dados, é necessário implementar controles externos como proxy reverso com TLS e autenticação, além de gerenciar permissões e logs via integração. Ignorar esses pontos expõe vetores de ataque em ambientes de IA locais.
Voltar ao curso IA aplicada com Ollama e modelos abertos: LLMs locais, RAG e agentes
