HealthBridge (eine Gesundheits-App) wird ein LLM über Amazon Bedrock bereitstellen. Die Compliance erfordert das Blockieren von Anweisungen zur medizinischen Diagnose, das Entfernen jeglicher persönlich identifizierbarer Informationen (PII) aus den Modellausgaben und das Protokollieren von Verstößen. Welches ist die geeignete Bedrock-Guardrail-Konfiguration und -Integration, um diese Anforderungen zu erfüllen?

Die korrekte Antwort ist die umfassendste Lösung, die alle Compliance-Anforderungen erfüllt. Amazon Bedrock Guardrails ermöglichen es, benutzerdefinierte Richtlinien zu definieren, um unerwünschte Inhalte wie medizinische Diagnosen zu blockieren. Die Integration von Amazon Comprehend für die PII-Erkennung und -Redaktion in der Antwort-Pipeline stellt sicher, dass PII automatisch entfernt wird, bevor die Ausgabe an den Benutzer gelangt. Die Konfiguration der Audit-Protokollierung in CloudWatch Logs und S3 erfüllt die Anforderung zur Protokollierung von Verstößen. Die Option mit Prompt Engineering ist unzureichend, da LLMs System-Prompts ignorieren können und dies keine zuverlässige Methode zur Compliance-Durchsetzung ist. Die IAM- und AWS WAF-Option ist zu komplex und nicht direkt für die Inhaltsfilterung von LLM-Ausgaben konzipiert. Die SageMaker-Option ist ebenfalls unzureichend, da sie die PII-Redaktion erst in nächtlichen Batch-Jobs vornimmt, was nicht den Anforderungen an die sofortige Entfernung entspricht.