FinSight verfügt über eine automatisierte ML-Pipeline in CodePipeline, die neue S3-Datensätze in Trainings-Buckets bereitstellt. Bevor ein Datensatz für das Training verwendet wird, verlangt die Sicherheit die Erkennung von PII (personenbezogenen Daten) und die automatische Blockierung des Pipeline-Fortschritts, wenn PII gefunden wird. Welcher Integrationsansatz mit Amazon Macie ermöglicht es der Pipeline, basierend auf PII-Ergebnissen bedingt fortzufahren oder fehlzuschlagen?

Die Aktivierung der kontinuierlichen Klassifizierung von Amazon Macie oder die Ausführung eines On-Demand-Macie-Jobs für neue S3-Datensätze ist der korrekte Ansatz, da Macie speziell für die Erkennung sensibler Daten wie PII entwickelt wurde. Durch das Weiterleiten der Macie-Ergebnisse an Amazon EventBridge kann ein nachgeschalteter AWS Lambda- oder Step Functions-Schritt in der CodePipeline die Ergebnisse analysieren. Dieser Schritt kann dann bedingt die Pipeline fortsetzen oder abbrechen, wenn PII über einem definierten Schwellenwert erkannt wird, was die Sicherheitsanforderungen erfüllt. Die Option mit S3 Block Public Access und S3 Access Point-Richtlinien ist falsch, da diese Mechanismen den öffentlichen Zugriff und den Zugriff auf Objekte steuern, aber keine PII-Erkennung durchführen oder die Pipeline basierend auf PII-Inhalten abbrechen. Amazon Comprehend ist für die Verarbeitung natürlicher Sprache (NLP) konzipiert und kann zwar PII erkennen, ist aber nicht die primäre oder umfassendste Lösung für die PII-Erkennung und -Blockierung in S3-Buckets im Vergleich zu Macie. S3 Object Lock ist eine Funktion zur Unveränderlichkeit von Objekten und hat keinen direkten Bezug zur PII-Erkennung oder zum bedingten Abbruch einer Pipeline basierend auf PII-Inhalten.