Um profissional de IA treinou um modelo Bedrock personalizado usando um conjunto de dados que incluía informações confidenciais. Ele quer impedir que o modelo produza saídas que revelem esses dados confidenciais. Qual é a maneira correta de evitar tais respostas?

A maneira mais eficaz de evitar que um modelo de IA gere saídas com dados confidenciais é garantir que esses dados nunca façam parte do treinamento inicial. Excluir o modelo atual, remover os dados confidenciais do conjunto de treinamento e retreinar o modelo garante que o conhecimento sobre esses dados não seja incorporado ao modelo. Mascarar ou criptografar dinamicamente as saídas de inferência (opções 2 e 3) são medidas reativas que tentam ocultar informações já geradas pelo modelo, o que é menos seguro e mais propenso a falhas do que a prevenção na origem. O modelo ainda teria conhecimento dos dados. Criptografar os dados confidenciais no modelo com AWS KMS (opção 4) protege os dados em repouso, mas não impede que o modelo os utilize ou os exponha durante a inferência se tiver sido treinado com eles.