Um modelo implantado on-premises usa dados armazenados no Amazon S3 e processa informações confidenciais para alimentar um mecanismo de conversação ao vivo em uma configuração de nuvem híbrida. O engenheiro de ML deve detectar e remover dados confidenciais com o mínimo de sobrecarga operacional. Qual solução atende a esse requisito?

A solução correta é usar o Amazon Macie para descobrir dados confidenciais e invocar funções AWS Lambda para remover os itens confidenciais. O Amazon Macie é um serviço de segurança de dados que usa aprendizado de máquina e correspondência de padrões para descobrir, classificar e proteger dados confidenciais no Amazon S3. Ele pode identificar PII (Informações de Identificação Pessoal) e outros dados confidenciais. Uma vez identificados, o Macie pode gerar eventos que acionam funções AWS Lambda para automatizar a remoção ou mascaramento desses dados, minimizando a sobrecarga operacional. As outras opções são menos eficientes ou adequadas: Implantar o modelo no Amazon SageMaker ou em um cluster Amazon ECS com AWS Fargate não aborda diretamente a detecção e remoção de dados confidenciais no S3 de forma automatizada e de baixa sobrecarga. Usar o Amazon Comprehend é para análise de texto e PNL, não para descoberta de dados confidenciais em escala no S3. Iniciar instâncias EC2 para remoção seria mais complexo e custoso do que usar Lambda.