abubakarsiddik31/zdrGuida curata alle configurazioni di zero-data-retention per le API LLM. Copre gli endpoint ZDR specifici del provider, i modelli di minaccia, le mappature di conformità e i pattern di self-hosting per ingegneri in settori regolamentati.
Ultimo aggiornamento: Aprile 2026
Una guida pratica per mantenere privati i tuoi dati quando utilizzi API LLM. Copre endpoint a zero conservazione, self-hosting, requisiti di conformità e pattern di protezione dei dati per ingegneri in settori regolamentati.
"Zero-retention" non è una singola funzionalità — è un insieme di controlli tecnici + termini contrattuali che garantisce che il contenuto del cliente (prompt, output, file) non venga archiviato inattivo dal fornitore. Approcci diversi offrono compromessi differenti:```mermaid flowchart TD Start(["Need Private AI?"]) --> Q1{"Can you\nself-host?"}
Q1 -->|"Yes, have GPUs"| SH["Self-Host Open Weights\n(Llama 4 · DeepSeek · Mistral · Qwen)"]
Q1 -->|"Yes, CPU only"| OL["Ollama + Quantized Models\n(7B–14B on consumer hardware)"]
Q1 -->|No| Q2{"Need frontier\nmodel quality?"}
Q2 -->|Yes| Q3{"Regulatory\nrequirements?"}
Q2 -->|No| Q4{"Budget\nconstrained?"}
Q3 -->|"HIPAA / FedRAMP"| Cloud["Azure OpenAI · AWS Bedrock\n+ Private Endpoints + BAA"]
Q3 -->|"Multi-provider"| GW["OpenRouter · Cloudflare AI Gateway\nwith ZDR routing"]
Q3 -->|"Single provider OK"| Direct["Direct ZDR Contract\n(OpenAI · Anthropic · Google)"]
Q4 -->|Yes| Budget["Fireworks · Together AI\n(open-weights, low cost, ZDR included)"]
Q4 -->|"Not really"| Fast["Groq · Fireworks · Together\nZDR toggle in dashboard"]
style Start fill:#4a90d9,stroke:#2c5f8a,color:#fff
style SH fill:#2ecc71,stroke:#1a9c54,color:#fff
style OL fill:#2ecc71,stroke:#1a9c54,color:#fff
style Cloud fill:#e67e22,stroke:#b3611a,color:#fff
style GW fill:#9b59b6,stroke:#7a3d92,color:#fff
style Direct fill:#3498db,stroke:#2471a3,color:#fff
style Budget fill:#1abc9c,stroke:#148f77,color:#fff
style Fast fill:#1abc9c,stroke:#148f77,color:#fff
### Confronto degli approcci
| Approccio | Forza della privacy | Qualità del modello | Costo operativo | Complessità di configurazione |
| :--- | :--- | :--- | :--- | :--- |
| **Self-hosted (air-gapped)** | Più forte | Solo pesi aperti | Hardware + operazioni | Alto |
| **Self-hosted (VPC)** | Molto forte | Solo pesi aperti | Costo GPU cloud | Medio |
| **Cloud ZDR + Private Link** | Forte (contrattuale) | Modelli di frontiera | Prezzi API | Basso-Medio |
| **SaaS ZDR API** | Buono (contrattuale) | Modelli di frontiera | Prezzi API | Basso |
| **Gateway con routing ZDR** | Buono (delegato) | Multi-fornitore | API + commissione gateway | Basso |
---
## Modello di minaccia
Prima di scegliere un approccio, comprendi contro cosa ti stai proteggendo:
| Minaccia | Descrizione | Mitigato da |
| :--- | :--- | :--- |
| **Perdita di dati di addestramento** | I tuoi prompt/output utilizzati per addestrare i modelli del fornitore | Contratto ZDR, livello API (non gratuito), self-hosting |
| **Conservazione del monitoraggio degli abusi** | Il fornitore conserva i prompt per la revisione di sicurezza (spesso 30 giorni) | Opt-out ZDR/MAM, self-hosting |
| **Accesso dei dipendenti** | Il personale del fornitore può visualizzare i tuoi dati durante la risposta agli incidenti | Crittografia ZDR + BYOK, self-hosting |
| **Citazione / scoperta legale** | Richieste governative o legali al fornitore per i tuoi dati | Self-hosting, controlli di residenza dei dati, contratto di non conservazione |
| **Violazione del fornitore** | Sistemi del fornitore compromessi, i tuoi dati esfiltrati | Non conservazione (niente da rubare), self-hosting, crittografia a riposo |
| **La tua registrazione** | La tua infrastruttura (proxy, APM, tracciatori di errori) registra prompt sensibili | Proxy DLP, redazione dei log, audit della tua pipeline |
| **Esfiltrazione tramite injection di prompt** | Input malintenzionato causa la perdita di dati da parte del LLM tramite chiamate a strumenti | Scansione dell'output, strumenti con privilegi minimi, sandboxing |
### Ciclo di vita dei dati: dove vanno i tuoi prompt```mermaid
flowchart LR
User["User Input"] --> App["Your App"]
subgraph YourInfra["Your Infrastructure"]
App --> Logs1["App Logs ⚠️"]
App --> DLP["DLP / PII Proxy"]
DLP --> GW["API Gateway"]
GW --> Logs2["Gateway Logs ⚠️"]
end
subgraph Provider["LLM Provider"]
GW --> Inference["Model Inference\n(in-memory)"]
Inference --> Abuse["Abuse Monitor\n(0–30 day retention)"]
Inference --> Training["Model Training\n(opt-out or ZDR)"]
end
Inference --> Response["Response"]
Response --> App
style Logs1 fill:#e74c3c,stroke:#c0392b,color:#fff
style Logs2 fill:#e74c3c,stroke:#c0392b,color:#fff
style Abuse fill:#f39c12,stroke:#d68910,color:#fff
style Training fill:#e74c3c,stroke:#c0392b,color:#fff
style DLP fill:#2ecc71,stroke:#1a9c54,color:#fff
style Inference fill:#3498db,stroke:#2471a3,color:#fff
Red = punti di rischio in cui i dati possono essere conservati. Green = livello di protezione. ZDR elimina i rischi dal lato provider; DLP/proxy elimina i rischi dal tuo lato.
store viene sempre considerato false, anche se impostato su true nelle richiestestore — per organizzazioni che necessitano di conservazione dei dati ma con monitoraggio ridottoEndpoint idonei per ZDR:
/v1/chat/completions, /v1/responses, /v1/images/*, /v1/embeddings, /v1/audio/*, /v1/moderations, /v1/completions, /v1/realtime
NON idonei per ZDR:
API Assistants (/v1/assistants, /v1/threads, /v1/vector_stores), API Conversations, File, Ottimizzazione (Fine-tuning), Batch, Evals, Modalità background (/v1/responses con background: true), Container ospitati (Code Interpreter)