GitHub Copilot и конфиденциальность. Сохраняет ли GitHub Copilot локально разработанный код?
Сохраняет ли GitHub Copilot локально разработанный код? Например, если я разрабатываю код локально и в моем коде есть параметры подключения, такие как user и pass, для обращений к удаленным службам, он их сохраняет для примера? Предоставление их в качестве предложения на случай, если кто-то другой разработает тот же код в будущем?
Кроме того, в случае корпоративной разработки кода, где код должен оставаться строго конфиденциальным, может ли copilot GitHub сохранить любой код (полностью или даже только фрагменты) и опубликовать его с предложениями?
Ответы 1
Это зависит от вашей версии второго пилота и ваших настроек.
Copilot обучается на общедоступном наборе данных и он будет использовать содержимое ваших локальных файлов, обеспечивающих контекст, чтобы Copilot мог уточнить результаты.
Copilot для бизнеса не сохранит эти фрагменты и удалит их сразу после возврата предложения.
Данные фрагментов кода
GitHub Copilot передает фрагменты вашего кода из вашей IDE в GitHub, чтобы предоставить вам предложения. Данные фрагментов кода передаются в режиме реального времени только для возврата предложений и удаляются после возврата предложения. Copilot для бизнеса не сохраняет данные фрагментов кода.
Copilot для отдельных лиц может сохранять фрагменты, в зависимости от ваших настроек:
Данные фрагментов кода
В зависимости от ваших предпочтительных настроек телеметрии GitHub Copilot может также собирать и сохранять следующее, вместе называемое «фрагментами кода»: исходный код, который вы редактируете, связанные файлы и другие файлы, открытые в той же IDE или редакторе, URL-адреса репозиториев и путь к файлам.
Когда вы фиксируете свой код в общедоступном репозитории, он может быть проиндексирован в будущем. Текущий индекс основан на самом последнем наборе данных, на котором была обучена GPT.
Это одно из преимуществ работы второго пилота по сравнению с аналогичными функциями, которые были доступны в прошлом. Ему не нужно обрабатывать и индексировать весь ваш локальный контент в модель машинного обучения, но он по-прежнему может предоставить вам индивидуальные результаты.