n8n platformasında süni intellekt agentləri və avtomatlaşdırmalar qurarkən RAG (Retrieval-Augmented Generation) ən təhlükəsiz metod kimi təqdim edilir. İddia belədir: "Məlumatlarınız öz vektor verilənlər bazanızda qalır, modelləri incə tənzimləməyə ehtiyac yoxdur." Lakin bu təhlükəsizlik illüziyasının ciddi bir kor nöqtəsi var – və o, demək olar ki, hər bir istehsalat n8n RAG iş axınında özünü göstərir.
Sənədləriniz Pinecone, Qdrant və ya Milvus kimi bazalarda qalır, amma onlar sızmır deyə düşünmək yanlışdır. Əsas sual budur: vektor bazasından çıxarılan məxfi sənəd parçaları n8n iş axınındakı LLM qovşağına çatanda haraya gedir? Addım-addım: istifadəçi sual verir, n8n sorğunu vektorlaşdırır, ən uyğun sənəd parçaları yaddaşa alınır və sonra – kritik zəiflik – bu parçalar istifadəçi sorğusuna əlavə edilərək kənar LLM API-sinə düz mətn olaraq göndərilir. n8n icra tarixçəsi hər qovşağın giriş və çıxışını defolt olaraq saxladığı üçün instansa girişi olan hər kəs bu məlumatları oxuya bilər.
Bu üç böyük risk yaradır: Birincisi, vektor axtarış nəticələri çox vaxt LLM-ə çatmamış təmizlənmir – məsələn, müştəri dəstək agenti üçün çəkilmiş faktura sənədində ad, ünvan, vergi nömrəsi və hətta kredit kartının son rəqəmləri ola bilər. İkincisi, OpenAI kimi provayderlər API məlumatlarını təlim üçün istifadə etməsələr də, onları 30 günə qədər saxlaya bilər – bu, GDPR, HIPAA, KVKK və SOC 2 tələbləri ilə birbaşa ziddiyyət təşkil edir. Üçüncüsü, ictimaiyyətə açıq chatbotlarda zərərli istifadəçi prompt injection ilə modelə daxili konteksti açıqlamağa məcbur edə bilər.
Bir çox komandalar bu boşluğu n8n daxilində Code qovşaqları, regex qaydaları və ya n8n'in öz Guardrails qovşağı ilə bağlamağa çalışır. Lakin Code qovşağı yalnız müəyyən etdiyiniz nümunələri əhatə edir, yeni iş axını üçün yenidən yazılmalıdır və semantik həssas məzmunu (məsələn, "bu müqavilə ciddi məxfidir") tutmur. Guardrails isə PII-ni silir – bu, bir tərəfli qapıdır. Silinmiş məlumatı geri qaytarmaq mümkün deyil, halbuki RAG iş axınında həmin dəyərlər son cavabda yenidən lazım ola bilər. Guardrails jailbreak aşkarlanması üçün yaxşıdır, lakin RAG kontekstini təhlükəsiz şəkildə emal etmək üçün uyğun deyil.
Həll yolu: reversiv tokenizasiya. Privent adlı platforma məhz bu boşluğu bağlamaq üçün yaradılıb. O, həssas məlumatları [EMAIL_001] və [SSN_002] kimi stabilləşdirilmiş yer tutuculara çevirir, xəritələşməni təhlükəsiz anbarda saxlayır və etibarlı çıxış nöqtələrində tokenləri geri qaytarır. Yəni LLM heç vaxt real PII-ni görmür, amma son cavabda məlumatlar bərpa olunur. Privent n8n üçün rəsmi icma paketi olaraq mövcuddur: @priventai/n8n-nodes-privent. Altı qovşaq təklif edir: Session, Tokenize, Detokenize, Risk Check, Handoff və Audit Event.
Privent iki rejimdə işləyir: Tokenless (qeydiyyatsız, API açarı olmadan) – token-xəritə n8n'in iş axını statik məlumatlarında saxlanılır, heç nə instansiyanı tərk etmir. Cloud rejimi isə çoxlu icra və uzunmüddətli sessiyalar üçün davamlı anbar və audit jurnalı təqdim edir. Müqayisədə: Code qovşağı yalnız əl ilə yazılmış regexləri əhatə edir, Guardrails silir və bərpa etmir, Presidio əlavə Docker tələb edir, Rehydra isə məhdud imkanlara malikdir. Privent həm n8n daxilində işləyir, həm də semantik və implisit PII-ni aşkarlayır, çıxış qapılarını idarə edir və tam audit təmin edir. n8n RAG iş axınlarınızı qorumaq üçün vektor bazası kifayət deyil – məlumatın axdığı yolu da qorumalısınız. Privent bu boşluğu bağlayır.
