HealthBridge（一款医疗保健应用）将通过 Amazon Bedrock 开放一个 LLM。合规性要求阻止医疗诊断指令，从模型输出中删除任何个人身份信息 (PII)，并记录违规行为。为了满足这些要求，Bedrock 的护栏配置和集成应如何进行？

此选项正确地结合了多种 AWS 服务来满足所有合规性要求。启用 Bedrock Guardrails 并配置自定义策略可以有效阻止医疗诊断指令，因为它可以识别并阻止特定主题。将 Amazon Comprehend PII 检测集成到响应管道中，可以在返回响应之前自动编辑 PII，从而满足删除 PII 的要求。最后，将审计日志配置到 CloudWatch Logs 和 S3，可以记录违规行为和编辑字段，以满足审计和合规性需求。 其他选项不完整或效率低下： 仅依靠提示工程不足以保证合规性，因为模型可能会偏离指令。 使用 IAM 服务控制策略和 AWS WAF 无法有效阻止模型生成医疗诊断，也无法可靠地处理 PII 编辑。定期 Lambda 扫描效率低下，且可能无法实时阻止 PII。 在 SageMaker 中部署模型并使用 SageMaker Clarify 是一种选择，但夜间批处理作业编辑 PII 无法满足实时删除 PII 的要求，且存储未修改的原始输出存在合规性风险。