एलएलएम डेटा लीक से प्रॉम्प्ट्स की रक्षा करना

राय आईबीएम न्यूरिप्स 2024 प्रस्तुति दिलचस्प है जो 2024 के अंत में आर्काइव में फिर से सामने आई। यह एक ऐसी प्रणाली का प्रस्ताव करता है जो स्वचालित रूप से हस्तक्षेप कर सकती है ताकि उपयोगकर्ताओं को व्यक्तिगत या संवेदनशील जानकारी को बड़े भाषा मॉडल (एलएलएम) जैसे चैटजीपीटी के साथ बातचीत के दौरान सबमिट करने से रोका जा सके।

एक उपयोगकर्ता अध्ययन में उपयोग किए गए मॉक-अप उदाहरण जो एक प्रॉम्प्ट-हस्तक्षेप सेवा के साथ बातचीत करने के लिए लोगों की पसंद के तरीकों का निर्धारण करने के लिए उपयोग किए गए थे।

उपरोक्त मॉक-अप का उपयोग आईबीएम शोधकर्ताओं द्वारा एक अध्ययन में किया गया था ताकि इस तरह के ‘हस्तक्षेप’ के लिए संभावित उपयोगकर्ता घर्षण का परीक्षण किया जा सके।

हालांकि जीयूआई कार्यान्वयन के बारे में विस्तृत विवरण नहीं दिया गया है, हम यह मान सकते हैं कि ऐसी कार्यक्षमता या तो एक ब्राउज़र प्लगइन में शामिल की जा सकती है संवाद एक स्थानीय ‘फायरवॉल’ एलएलएम फ्रेमवर्क के साथ; या एक ऐसा अनुप्रयोग बनाया जा सकता है जो सीधे (उदाहरण के लिए) ओपनएआई एपीआई में हुक कर सकता है, जो मूल रूप से ओपनएआई के अपने डाउनलोड करने योग्य स्टैंडअलोन प्रोग्राम को चैटजीपीटी के लिए पुनः बना सकता है, लेकिन अतिरिक्त सुरक्षा उपायों के साथ।

चैटजीपीटी स्वयं स्वचालित रूप से अपने प्रतिक्रियाओं को सेंसर करता है जो प्रॉम्प्ट्स को महत्वपूर्ण जानकारी को शामिल करने के लिए समझता है, जैसे कि बैंकिंग विवरण:

चैटजीपीटी उन प्रॉम्प्ट्स के साथ जुड़ने से इनकार करता है जिनमें संवेदनशील सुरक्षा जानकारी शामिल है, जैसे कि बैंक विवरण (ऊपर दिए गए प्रॉम्प्ट में विवरण काल्पनिक और गैर-कार्यात्मक हैं)।

हालांकि, चैटजीपीटी विभिन्न प्रकार की व्यक्तिगत जानकारी के संबंध में अधिक सहनशील है – भले ही ऐसी जानकारी को किसी भी तरह से प्रसारित करना उपयोगकर्ता के हित में नहीं हो (इस मामले में शायद काम और प्रकटीकरण से संबंधित विभिन्न कारणों के लिए):

उपरोक्त उदाहरण काल्पनिक है, लेकिन चैटजीपीटी एक संवेदनशील विषय पर उपयोगकर्ता के साथ बातचीत में शामिल होने में संकोच नहीं करता है जो संभावित रूप से प्रतिष्ठा या आय के जोखिम का कारण बन सकता है (उपरोक्त उदाहरण पूरी तरह से काल्पनिक है)।

उपरोक्त मामले में, यह बेहतर होगा कि लिखा जाए: ‘ल्यूकेमिया के निदान का एक व्यक्ति की लेखन क्षमता और गतिशीलता पर क्या प्रभाव पड़ता है?’

आईबीएम परियोजना ऐसे अनुरोधों को ‘व्यक्तिगत’ से ‘सामान्य’ दृष्टिकोण में पहचान और पुनः व्याख्या करती है।

आईबीएम प्रणाली के लिए योजना, जो स्थानीय एलएलएम या एनएलपी-आधारित संवेदनाओं का उपयोग करके संभावित प्रॉम्प्ट्स में संवेदनशील सामग्री की पहचान करती है।

यह मान लिया जाता है कि ऑनलाइन एलएलएम द्वारा एकत्र की गई सामग्री, एआई चैट के सार्वजनिक रूप से उत्साही अपनाने के इस प्रारंभिक चरण में, बाद के मॉडलों या बाद के विज्ञापन ढांचों में कभी भी पारित नहीं होगी जो उपयोगकर्ता-आधारित खोज प्रश्नों का शोषण करके लक्षित विज्ञापन प्रदान कर सकते हैं।

हालांकि ऐसी कोई प्रणाली या व्यवस्था वर्तमान में ज्ञात नहीं है, न ही यह कार्यक्षमता इंटरनेट के अपनाने के शुरुआती दिनों में उपलब्ध थी; तब से, क्रॉस-डोमेन जानकारी साझा करना व्यक्तिगत विज्ञापन प्रदान करने के लिए उपयोग की जाने वाली जानकारी को खिलाने के लिए नेतृत्व किया है, विविध घोटालों के साथ-साथ पैरानोइड के साथ।

इसलिए, इतिहास सुझाव देता है कि यह बेहतर होगा कि एलएलएम प्रॉम्प्ट इनपुट को अब साफ करें, इससे पहले कि ऐसा डेटा बड़े पैमाने पर जमा हो जाए, और इससे पहले कि हमारे एलएलएम-आधारित सबमिशन स्थायी चक्रीय डेटाबेस और/या मॉडल में समाप्त हो जाएं, या अन्य जानकारी-आधारित संरचनाओं और योजनाओं में।

याद रखें मुझे?

‘जेनेरिक’ या सैनिटाइज्ड एलएलएम प्रॉम्प्ट्स का उपयोग करने के खिलाफ एक कारक यह है कि, ईमानदारी से, एक महंगे एपीआई-ओनली एलएलएम जैसे चैटजीपीटी को अनुकूलित करने की सुविधा बहुत आकर्षक है – कम से कम वर्तमान राज्य में – लेकिन इससे निजी जानकारी के लंबे समय तक उजागर होने का खतरा हो सकता है।

मैं अक्सर चैटजीपीटी से पूछता हूं कि विंडोज पावरशेल स्क्रिप्ट और बैट फाइलों को स्वचालित प्रक्रियाओं के लिए बनाने में मेरी मदद करें, साथ ही साथ अन्य तकनीकी मामलों पर भी; इस उद्देश्य से, मुझे यह उपयोगी लगता है कि प्रणाली स्थायी रूप से उन विवरणों को याद रखे जो मेरे पास उपलब्ध हैं; मेरी मौजूदा तकनीकी कौशल प्रतिभाओं (या उनकी कमी); और विभिन्न अन्य पर्यावरणीय कारक और कस्टम नियम:

चैटजीपीटी एक उपयोगकर्ता को ‘मेमोरी’ का ‘कैश’ विकसित करने की अनुमति देता है जो भविष्य के प्रॉम्प्ट्स के प्रति प्रतिक्रियाओं पर विचार करते समय लागू किया जाएगा।

अनिवार्य रूप से, यह जानकारी मुझे बाहरी सर्वर पर संग्रहीत रखता है, जो समय के साथ विकसित होने वाले नियमों और शर्तों के अधीन है, जिसमें कोई गारंटी नहीं है कि ओपनएआई (हालांकि यह कोई अन्य प्रमुख एलएलएम प्रदाता हो सकता है) नियमों का सम्मान करेगा जो वे निर्धारित करते हैं।

सामान्य तौर पर, हालांकि, चैटजीपीटी में ‘मेमोरी’ का कैश बनाने की क्षमता सबसे उपयोगी है क्योंकि एलएलएम का सीमित ध्यान खिड़की है; लंबी अवधि के (व्यक्तिगत) एम्बेडिंग के बिना, उपयोगकर्ता को लगता है कि वे एक ऐसे संस्था के साथ बातचीत कर रहे हैं जो एंटेरोग्रेड अम्नेसिया से पीड़ित है।

यह कहना मुश्किल है कि क्या नए मॉडल अंततः पर्याप्त रूप से प्रदर्शन करने योग्य होंगे ताकि वे उपयोगी प्रतिक्रियाएं प्रदान कर सकें बिना मेमोरी के कैश की आवश्यकता के या कस्टम जीपीटी बनाने के लिए जो ऑनलाइन संग्रहीत हैं।

अस्थायी अम्नेसिया

हालांकि चैटजीपीटी बातचीत को ‘अस्थायी’ बनाया जा सकता है, यह उपयोगी है कि चैट इतिहास को संदर्भ के रूप में रखा जाए जिसे समय के साथ, जब समय मिले, एक अधिक सुसंगत स्थानीय रिकॉर्ड में परिष्कृत किया जा सकता है; हालांकि, हम यह नहीं जानते कि इन ‘त्यागे गए’ चैट्स के साथ क्या होता है (हालांकि ओपनएआई स्टेट्स वे प्रशिक्षण के लिए उपयोग नहीं किए जाएंगे, यह नहीं कहता कि वे नष्ट हो जाते हैं), चैटजीपीटी के बुनियादी ढांचे के आधार पर। हमें केवल इतना पता है कि चैट्स हमारे इतिहास में दिखाई नहीं देते हैं जब ‘अस्थायी चैट’ चैटजीपीटी में चालू होता है।

विभिन्न हाल के विवादों से पता चलता है कि ओपनएआई जैसे एपीआई-आधारित प्रदाताओं को उपयोगकर्ता की गोपनीयता की रक्षा के लिए छोड़ देना चाहिए, जिसमें उभरने वाली स्मृति की खोज शामिल है, जो दर्शाती है कि बड़े एलएलएम अधिक संभावना है कि प्रशिक्षण उदाहरणों को पूरी तरह से स्मृति में रखें और उपयोगकर्ता-विशिष्ट डेटा के प्रकटीकरण के जोखिम को बढ़ाते हैं – अन्य सार्वजनिक घटनाओं के बीच जिन्होंने कई बड़े नाम वाली कंपनियों को चैटजीपीटी को आंतरिक कंपनी उपयोग के लिए प्रतिबंधित करने के लिए प्रेरित किया है।

विचार करें अलग

एलएलएम की अत्यधिक उपयोगिता और स्पष्ट जोखिम के बीच यह तनाव रचनात्मक समाधानों की आवश्यकता होगी – और आईबीएम प्रस्ताव इस लाइन में एक दिलचस्प मूल टेम्पलेट प्रतीत होता है।

तीन आईबीएम-आधारित पुनर्गठन जो उपयोगिता के खिलाफ डेटा गोपनीयता को संतुलित करते हैं। नीचे (गुलाबी बैंड) में, हम एक प्रॉम्प्ट देखते हैं जो प्रणाली की क्षमता से परे है जिसे सार्थक रूप से साफ किया जा सकता है।

आईबीएम दृष्टिकोण एलएलएम को सबमिट किए जाने से पहले नेटवर्क स्तर पर आउटगोइंग पैकेट को रोकता है और आवश्यकतानुसार उन्हें पुनः लिखता है। शुरुआत में देखे गए अधिक विस्तृत जीयूआई एकीकरण केवल एक ऐसे दृष्टिकोण के लिए संभावित दिशा के रूप में हैं जिसे विकसित किया जा सकता है।

बेशक, पर्याप्त एजेंसी के बिना, उपयोगकर्ता यह नहीं समझ सकता है कि वह अपने मूल सबमिशन के एक थोड़े बदले हुए पुनर्गठन की प्रतिक्रिया प्राप्त कर रहा है। यह पारदर्शिता की कमी एक ऑपरेटिंग सिस्टम की फायरवॉल के समान है जो उपयोगकर्ता को सूचित किए बिना एक वेबसाइट या सेवा तक पहुंच को अवरुद्ध करती है, जो तब गलत कारणों से समस्या का समाधान करने का प्रयास कर सकता है।

प्रॉम्प्ट्स को सुरक्षा दायित्व के रूप में

‘प्रॉम्प्ट हस्तक्षेप’ की संभावना विंडोज ओएस सुरक्षा के समान है, जो 1990 के दशक में वैकल्पिक रूप से स्थापित व्यावसायिक उत्पादों के पैचवर्क से एक गैर-वैकल्पिक और कठोर रूप से लागू नेटवर्क रक्षा उपकरणों के सुइट में विकसित हुई है जो विंडोज स्थापना के साथ मानक हैं और जिन्हें बंद करने या कम करने के लिए प्रयास की आवश्यकता होती है।

यदि प्रॉम्प्ट सैनिटाइजेशन नेटवर्क फायरवॉल की तरह विकसित होता है, तो आईबीएम पेपर का प्रस्ताव भविष्य के लिए एक नीलाक्षर हो सकता है: एक पूरी तरह से स्थानीय एलएलएम को तैनात करना जो ज्ञात एलएलएम एपीआई को निर्देशित आउटगोइंग प्रॉम्प्ट्स को फिल्टर करे। इस प्रणाली को स्वाभाविक रूप से जीयूआई फ्रेमवर्क और सूचनाओं को एकीकृत करने की आवश्यकता होगी, जो उपयोगकर्ताओं को नियंत्रण प्रदान करेगी – जब तक कि व्यवसायिक वातावरण में प्रशासक नीतियां इसे ओवरराइड नहीं करती हैं।

शोधकर्ताओं ने एक खुले स्रोत संस्करण के शेयरजीपीटी डेटासेट का विश्लेषण किया ताकि वास्तविक दुनिया के दृश्यों में संदर्भ गोपनीयता का उल्लंघन कितनी बार होता है।

लामा-3.1-405बी-इन्सट्रक्ट को संदर्भ संरक्षण के उल्लंघन का पता लगाने के लिए ‘न्यायाधीश’ मॉडल के रूप में नियुक्त किया गया था। एक बड़े सेट से एकल-मोड़ वार्ता का एक उपसेट विश्लेषण किया गया था, जो लंबाई के आधार पर किया गया था। न्यायाधीश मॉडल ने तब संदर्भ, संवेदनशील जानकारी, और कार्य पूर्णता के लिए आवश्यकता का मूल्यांकन किया, जिससे संदर्भ एकता के उल्लंघन वाली बातचीत की पहचान हुई।

इन बातचीतों का एक छोटा उपसेट, जिनमें निश्चित संदर्भ गोपनीयता के उल्लंघन पाए गए, का आगे विश्लेषण किया गया।

फ्रेमवर्क को ओलामा के माध्यम से स्थानीय रूप से तैनात करने के लिए छोटे मॉडलों का उपयोग करके लागू किया गया था, जो कि टाइपिकल चैट एजेंट जैसे चैटजीपीटी से छोटे हैं।

प्रॉम्प्ट हस्तक्षेप प्रणाली के लिए योजना।

मूल्यांकन किए गए तीन एलएलएम थे मिक्सट्रल-8×7बी-इन्सट्रक्ट-v0.1; लामा-3.1-8बी-इन्सट्रक्ट; और डीपसीक-आर1-डिस्टिल-लामा-8बी।

उपयोगकर्ता प्रॉम्प्ट्स को फ्रेमवर्क द्वारा तीन चरणों में संसाधित किया जाता है: संदर्भ पहचान; संवेदनशील जानकारी वर्गीकरण; और पुनर्गठन।

संवेदनशील जानकारी वर्गीकरण के लिए दो दृष्टिकोण लागू किए गए थे: डायनामिक और संरचित वर्गीकरण: डायनामिक वर्गीकरण एक विशिष्ट बातचीत के भीतर उनके उपयोग के आधार पर विवरण को निर्धारित करता है; संरचित वर्गीकरण संवेदनशील विशेषताओं की एक पूर्व-निर्धारित सूची को निर्दिष्ट करने की अनुमति देता है जो हमेशा गैर-आवश्यक माना जाता है। मॉडल प्रॉम्प्ट को पुनर्गठन करता है यदि यह गैर-आवश्यक संवेदनशील विवरण का पता लगाता है और उन्हें हटाकर या पुनः लिखकर गोपनीयता जोखिम को कम करता है और उपयोगिता को बनाए रखता है।

घर के नियम

हालांकि संरचित वर्गीकरण आईबीएम पेपर में अच्छी तरह से चित्रित नहीं किया गया है, यह प्राइवेट प्रॉम्प्ट्स पहल के ‘प्राइवेट डेटा परिभाषा’ विधि के समान है, जो एक डाउनलोड करने योग्य स्टैंडअलोन प्रोग्राम प्रदान करता है जो प्रॉम्प्ट्स को पुनः लिख सकता है – हालांकि यह नेटवर्क स्तर पर सीधे हस्तक्षेप करने की आईबीएम दृष्टिकोण की तरह नहीं है (इसके बजाय उपयोगकर्ता को संशोधित प्रॉम्प्ट्स को कॉपी और पेस्ट करना होगा):

प्राइवेट प्रॉम्प्ट्स एक्सीक्यूटेबल उपयोगकर्ता-इनपुट पाठ के लिए वैकल्पिक प्रतिस्थापन की सूची की अनुमति देता है।

उपरोक्त छवि में, हम देख सकते हैं कि प्राइवेट प्रॉम्प्ट्स उपयोगकर्ता संवेदनशील जानकारी के लिए स्वचालित प्रतिस्थापन की सूची को प्रोग्राम करने में सक्षम है। दोनों मामलों में, प्राइवेट प्रॉम्प्ट्स और आईबीएम विधि के लिए, यह असंभावित लगता है कि एक उपयोगकर्ता जो पर्याप्त उपस्थिति और व्यक्तिगत अंतर्दृष्टि के साथ ऐसी सूची क्यूरेट कर सकता है वास्तव में इस उत्पाद की आवश्यकता होगी – हालांकि यह समय के साथ घटनाओं के संचय के रूप में निर्मित किया जा सकता है।

एक प्रशासक भूमिका में, संरचित वर्गीकरण कर्मचारियों के लिए एक आरोपित फायरवॉल या सेंसर-नेट के रूप में काम कर सकता है; और एक घरेलू नेटवर्क में, यह एक घरेलू नेटवर्क फिल्टर के रूप में काम कर सकता है – हालांकि अंततः, यह विधि तर्कसंगत रूप से अतिरिक्त है, क्योंकि एक उपयोगकर्ता जो इसे ठीक से सेट अप कर सकता है वह पहले से ही प्रभावी ढंग से स्वयं-सेंसर कर सकता है।

चैटजीपीटी की राय

चैटजीपीटी ने हाल ही में अपने गहरे शोध उपकरण को भुगतान किए गए उपयोगकर्ताओं के लिए लॉन्च किया है, मैंने इस सुविधा का उपयोग किया ताकि चैटजीपीटी से संबंधित साहित्य की समीक्षा करने और आईबीएम के पेपर पर एक ‘निंदनीय’ ले लेने के लिए कहा जा सके: मुझे जो प्रतिक्रिया मिली वह प्रणाली द्वारा दी गई सबसे रक्षात्मक और अपमानजनक प्रतिक्रिया थी जब उनसे किसी नए प्रकाशन का मूल्यांकन करने या व्याख्या करने के लिए कहा गया था:

चैटजीपीटी-4ओ आईबीएम परियोजना की बहुत कम राय रखता है।

‘यदि उपयोगकर्ता ओपनएआई, गूगल, या एंथ्रोपिक पर अपने डेटा को जिम्मेदारी से संभालने के लिए भरोसा नहीं करते हैं,’ चैटजीपीटी का तर्क है। ‘तो वे एक तीसरे पक्ष के सॉफ्टवेयर परत को खुद और एआई के बीच क्यों भरोसा करेंगे? मध्यवर्ती स्वयं एक नई विफलता का बिंदु बन जाता है – संभावित रूप से डेटा को लॉगिंग, गलत संभालने, या यहां तक कि लीक करने से पहले ही यह एलएलएम तक पहुंचता है। यह कुछ भी हल नहीं करता है यदि यह केवल एक नई संस्था बनाता है जो उपयोगकर्ता डेटा का शोषण कर सकती है।’

यह आपत्ति स्वार्थी और लागू नहीं है, दी गई खुले स्रोत परियोजनाओं के इतिहास को देखते हुए जो वास्तव में अंत-उपयोगकर्ताओं को लाभान्वित करती हैं; और दी गई मोबाइल डिवाइस की क्षमता को देखते हुए जो हल्के एलएलएम चला सकती हैं और यहां तक कि प्रशिक्षित भी कर सकती हैं।

इसके बाद, चैटजीपीटी आश्वस्त रूप से बिंदु को याद करता है कि एक हल्के एलएलएम को आउटगोइंग इनपुट की देखरेख करने के लिए एक व्यावसायिक एलएलएम के लिए जो स्थानीय मशीन पर चलाया जा नहीं सकता है (क्योंकि एलएलएम बहुत बड़ा है, और स्थानीय पहुंच जोखिम भरा है):

‘प्रभावी गोपनीयता फिल्टरिंग के लिए इनपुट को समझने से पहले क्या निकालना है इसकी आवश्यकता है। यदि एक मध्यवर्ती संवेदनशील डेटा (नाम, पते, वित्तीय विवरण) को पहचानने के लिए पर्याप्त रूप से स्मार्ट है, तो यह पहले से ही उस डेटा को संसाधित और विश्लेषण कर रहा है – जिसका अर्थ है कि यह उस चीज़ को संग्रहीत या जांच कर रहा है जिसे यह मिटाने वाला है।’

‘यह एक विरोधाभास पेश करता है: एक) एक मूर्ख फिल्टर (बुनियादी रेगेक्स प्रतिस्थापन) अप्रभावी होगा और सूक्ष्म गोपनीयता जोखिमों को याद करेगा। बी) एक स्मार्ट फिल्टर (एलएलएम-संचालित पुनर्लेखक) को पूर्ण इनपुट को संसाधित करने की आवश्यकता है, जो इसे मूल एलएलएम के रूप में ही खतरनाक बनाता है।’

‘यदि आप मध्यवर्ती को अपने इनपुट को पढ़ने और पुनः लिखने के लिए पर्याप्त भरोसा करते हैं, तो एलएलएम खुद पर क्यों नहीं भरोसा करते?’

इस अंतिम प्रश्न का उत्तर यह है कि स्थानीय एलएलएम का उद्देश्य पूरी तरह से उपयोगकर्ता के पक्ष में होना है, और अनिवार्य रूप से खुला स्रोत होना है, जिसमें न्यूनतम या शून्य नेटवर्क पहुंच की आवश्यकता होती है। एक समान व्यावसायिक संस्करण, हालांकि शुरू में अच्छे इरादों वाला हो, अंततः कॉर्पोरेट बदलावों और सेवा की शर्तों में परिवर्तन के प्रति संवेदनशील होगा, जबकि एक उपयुक्त खुला स्रोत लाइसेंस इस तरह के ‘अनिवार्य भ्रष्टाचार’ को रोकेगा।

चैटजीपीटी ने आगे तर्क दिया कि आईबीएम प्रस्ताव ‘उपयोगकर्ता की मंशा’ को तोड़ता है, क्योंकि यह एक प्रॉम्प्ट को एक वैकल्पिक में पुनः व्याख्या कर सकता है जो इसकी उपयोगिता को प्रभावित कर सकता है। हालांकि, यह प्रॉम्प्ट सैनिटाइजेशन में एक बहुत व्यापक समस्या है, और इस विशिष्ट उपयोग के मामले के लिए विशिष्ट नहीं है।

निष्कर्ष में, चैटजीपीटी का तर्क है कि आईबीएम विधि एक ‘उपयोगकर्ता घर्षण’ पैदा करती है क्योंकि यह चैट में चेतावनी और संपादन विधियों को लागू करने की आवश्यकता है।

यहां, चैटजीपीटी सही हो सकता है; लेकिन अगर आगे की सार्वजनिक घटनाओं के कारण दबाव बढ़ता है, या यदि एक भौगोलिक क्षेत्र में लाभ विनियमन के कारण खतरे में पड़ जाते हैं (और कंपनी प्रभावित क्षेत्र को पूरी तरह से छोड़ने से इनकार करती है), तो उपभोक्ता प्रौद्योगिकी के इतिहास से पता चलता है कि सुरक्षा उपाय अंततः वैकल्पिक नहीं होंगे।

निष्कर्ष

हम वास्तव में उम्मीद नहीं कर सकते कि ओपनएआई कभी भी आईबीएम पेपर में प्रस्तावित प्रकार के सुरक्षा उपायों को लागू करेगा, और न ही इसके केंद्रीय概念 में।

और निश्चित रूप से वैश्विक रूप से नहीं; जैसे कि एप्पल आइफोन सुविधाओं को यूरोप में ब्लॉक करता है, और लिंक्डइन के पास विभिन्न देशों में अपने उपयोगकर्ताओं के डेटा का शोषण करने के लिए विभिन्न नियम हैं, यह उचित लगता है कि कोई भी एआई कंपनी उस देश में संचालित होने वाले प्रत्येक देश के लिए सबसे लाभदायक नियमों और शर्तों को अपनाएगी – प्रत्येक मामले में, उपयोगकर्ता के डेटा-गोपनीयता के अधिकार के व्यय पर, जैसा आवश्यक हो।

पहली बार गुरुवार, 27 फरवरी, 2025 को प्रकाशित

गुरुवार, 27 फरवरी, 2025 15:47:11 पर अपडेट किया गया क्योंकि एप्पल से संबंधित लिंक गलत था – एमए