Ein Sicherheitsingenieur muss sensible Daten erkennen und melden, die in einem Amazon S3-Bucket gespeichert sind. Benachrichtigungen müssen an ein bestehendes Amazon Simple Notification Service (Amazon SNS)-Thema gesendet werden. Welche Lösung erreicht dies mit dem geringsten Implementierungsaufwand?

Die korrekte Antwort ist Amazon Macie mit verwalteten Datenidentifikatoren verwenden, um sensible Daten zu entdecken und zu klassifizieren, und eine Amazon EventBridge-Regel erstellen, um Ergebnisse an das SNS-Thema weiterzuleiten. Amazon Macie ist ein vollständig verwalteter Datensicherheits- und Datenschutzdienst, der maschinelles Lernen und Musterabgleich verwendet, um sensible Daten in S3-Buckets zu erkennen. Es bietet integrierte verwaltete Datenidentifikatoren für gängige sensible Datentypen. Die Integration mit EventBridge ermöglicht die einfache Weiterleitung von Macie-Ergebnissen an ein SNS-Thema, was den geringsten Implementierungsaufwand darstellt. AWS Config ist ein Compliance-Dienst, der Konfigurationsänderungen verfolgt, aber nicht direkt zur Erkennung sensibler Daten in Objekten konzipiert ist. Eine AWS Lambda-Funktion müsste manuell entwickelt und gewartet werden, um sensible Daten zu erkennen, was einen höheren Implementierungsaufwand bedeutet. Amazon GuardDuty ist ein Bedrohungserkennungsdienst, der Anomalien und bösartige Aktivitäten überwacht, aber nicht primär zur Erkennung sensibler Daten in S3-Objekten dient.