Amazon MLS-C01: Sicherheit, Datenschutz & Compliance — Lernleitfaden
Teil des AWS Machine Learning Specialty MLS-C01 — Lernleitfaden. Üben Sie mit verifizierten Antworten im Amazon-Prüfungscenter, oder absolvieren Sie zeitlich begrenzte Übungstests auf ExamRoll.io.
Daten- und Modellverschlüsselung: Mehrschichtige Kontrollen und häufige Fallstricke
Die Verschlüsselung von Daten im Ruhezustand (at rest) und während der Übertragung (in transit) ist die erste Verteidigungslinie für ML-Pipelines. Für Objekte in S3 sollten Sie die serverseitige Verschlüsselung mit KMS (SSE-KMS) bevorzugen, wenn Sie Auditierbarkeit und granulare Schlüsselkontrolle benötigen; SSE-S3 ist für Buckets akzeptabel, bei denen eine KMS-Protokollierung pro Anfrage nicht erforderlich ist. SageMaker-Modellartefakte, EBS-Volumes, die an Trainings- und Hosting-Instanzen angehängt sind, und EFS/FSx-Volumes müssen ebenfalls verschlüsselt werden – SageMaker kann so konfiguriert werden, dass kundenseitig verwaltete CMKs für die Verschlüsselung von Modellartefakten und Volumes verwendet werden. Bei großen Datensätzen oder kontenübergreifender Freigabe sollten Sie die Envelope-Verschlüsselung verwenden (Datenschlüssel mit KMS generieren und das AWS Encryption SDK oder clientseitige Bibliotheken nutzen), um wiederholte KMS-Aufrufe zu vermeiden. Der Schutz während der Übertragung erfordert TLS für alle S3- und Service-Endpunkte; bei der Nutzung von privatem Networking verwenden PrivateLink und VPC-Endpunkte ebenfalls TLS auf der Leitung. Eine häufige Fehlerquelle ist das Vergessen der Aktualisierung von CMK-Schlüsselrichtlinien: Die Gewährung von Entschlüsselungs-/Generierungsberechtigungen für den SageMaker-Service-Prinzipal und Ihre Ausführungsrollen ist erforderlich (IAM allein ist nicht ausreichend). Entscheidungskriterien: Wählen Sie AWS-verwaltete CMKs, wenn Sie einen geringen Betriebsaufwand wünschen; wählen Sie kundenseitig verwaltete CMKs, wenn Sie Schlüsselrotationsrichtlinien, kontenübergreifende Kontrolle oder getrennte Schlüsseladministratoren benötigen. Berücksichtigen Sie Leistung und Kosten: Die Envelope-Verschlüsselung reduziert die Nutzung der KMS-API bei Workloads mit hohem Durchsatz.
Schlüsselmanagement, CMK-Design und betriebliche Kontrollen
Die Gestaltung einer KMS-Strategie für ML-Workloads schafft einen Ausgleich zwischen Sicherheit, Zugriffsgrenzen und Betrieb. Verwenden Sie kundenseitig verwaltete CMKs, wenn Sie feingranulare Richtliniensteuerung, Grants, kontenübergreifende Nutzung und Audit-Protokolle in CloudTrail für GenerateDataKey/Decrypt-Operationen benötigen. Für HSM-gestützte Schlüssel und FIPS-Anforderungen ziehen Sie einen KMS Custom Key Store in Betracht, der von CloudHSM unterstützt wird. Schlüsselrichtlinien sind maßgebend; ergänzen Sie diese durch IAM-Richtlinien und verwenden Sie kms:ViaService-Bedingungen, um die Nutzung auf bestimmte AWS-Services zu beschränken (z. B. Entschlüsselung nur erlauben, wenn der Aufruf über sagemaker.amazonaws.com oder s3.amazonaws.com erfolgt). Verwenden Sie KMS-Grants für kurzfristige Berechtigungen, um die Ent-/Verschlüsselung an ephemere Rollen zu delegieren, die von Trainingsjobs verwendet werden. Aktivieren Sie gegebenenfalls die automatische Schlüsselrotation für symmetrische CMKs und erstellen Sie Multi-Region-Schlüssel für die georedundante Replikation von Modellen. Häufige Fehlerquellen sind das alleinige Verlassen auf IAM-Richtlinien (ohne die CMK-Schlüsselrichtlinie zu aktualisieren) und das Vergessen, Service-Prinzipale (wie sagemaker.amazonaws.com oder elasticblockstore.amazonaws.com) einzubeziehen, damit verwaltete Dienste CMKs verwenden können. Die Entscheidungskriterien sollten die administrative Trennung (Verwendung unterschiedlicher CMKs pro Geschäftsbereich oder Sensitivitätsklasse) gegen KMS-Kontingente und betriebliche Komplexität abwägen; wenden Sie das Prinzip der geringsten Rechte (Principle of Least Privilege) an und auditieren Sie GenerateDataKey-Ereignisse in CloudTrail.
Privates Networking und VPC-Endpunkte für SageMaker und S3
Um Daten und Images vom öffentlichen Internet fernzuhalten, platzieren Sie SageMaker Studio, Notebook-Instanzen und Trainings-/Hosting-Jobs in VPCs und verwenden Sie VPC-Endpunkte. S3-Gateway-Endpunkte ermöglichen den direkten, privaten Zugriff auf Bucket-Objekte aus Ihren Subnetzen; fügen Sie restriktive Endpunkt-Richtlinien an, um den Zugriff auf bestimmte Buckets und Präfixe zu beschränken. SageMaker-APIs, Laufzeitaufrufe und ECR erfordern Interface-Endpunkte (PrivateLink): Erstellen Sie je nach Anwendungsfall die Endpunkte com.amazonaws.
IAM, privater Image-Zugriff, Audit-Protokollierung und Kontrollen zur Exfiltration
IAM-Rollen mit den geringsten Rechten (Least Privilege) sind von zentraler Bedeutung: Die SageMaker-Ausführungsrolle darf nur die für den Job notwendigen Berechtigungen für S3, ECR, KMS und CloudWatch haben, oft auf Ressourcen-ARNs beschränkt und durch Bedingungen wie aws:SourceArn/aws:SourceAccount/aws:SourceVpc eingeschränkt. Für private Container-Images hosten Sie diese in privaten ECR-Repositorys mit Repository-Richtlinien, die Pull-Vorgänge auf bestimmte IAM-Principals oder Organisationskonten beschränken; kennzeichnen Sie Images als unveränderlich (immutable) und aktivieren Sie das Scannen von Images. Die Audit-Protokollierung ist umfassend: aktivieren Sie CloudTrail Management- und S3-Datenereignisse für GetObject/PutObject auf sensiblen Buckets, leiten Sie Protokolle an einen dedizierten, verschlüsselten, kontoübergreifenden Protokollierungs-Bucket weiter, und aktivieren Sie CloudWatch Logs und VPC Flow Logs, um anomalen ausgehenden Datenverkehr (Egress) zu erkennen. Verwenden Sie Amazon Macie, um PII in S3 zu entdecken, und GuardDuty, um ungewöhnliche Datenzugriffsmuster zu erkennen. Um Datenexfiltration zu verhindern, kombinieren Sie S3-Bucket-Richtlinien, die Anfragen ablehnen (Deny), die nicht von genehmigten VPC-Endpunkten oder VPC-CIDRs stammen, mit Netzwerkkontrollen wie Security Groups/NACLs und AWS Network Firewall zur Filterung des ausgehenden Verkehrs sowie mit IAM Permission Boundaries/SCPs, um den potenziellen Schaden (Blast Radius) zu reduzieren. Häufige Fehler sind die Annahme, dass VpcConfig allein den gesamten ausgehenden Datenverkehr verhindert (Sie müssen NAT/Internet Gateway und Endpunkte kontrollieren) und das Vergessen, den tatsächlichen Laufzeit-Principals, die Modellartefakte benötigen, die KMS-Decrypt-Berechtigung zu erteilen.
Praktisches Problem: Anwendungsfallszenario
Szenario: MetroDelivery betreibt für jede Stadt eigene XGBoost-Modelle, die als Artefakte in S3 gespeichert sind, und trainiert Modelle in SageMaker Studio. Die Anforderungen sind, dass Training und Inferenz niemals über das öffentliche Internet laufen, Modellartefakte mit vom Kunden verwalteten Schlüsseln verschlüsselt werden und Container-Images privat gehostet werden.
Herausforderung: Gewährleisten Sie eine durchgängige Verschlüsselung und private Netzwerkverbindungen für Training und Hosting, beschränken Sie das Pullen von Images auf genehmigte Rollen und erkennen/verhindern Sie unbefugte Datenbewegungen.
Empfohlener Ansatz:
- Erstellen Sie einen kundenverwalteten symmetrischen CMK in KMS, legen Sie eine Schlüsselrichtlinie fest, die MetroDelivery-Admins, sagemaker.amazonaws.com und den SageMaker-Ausführungsrollen die Berechtigungen Decrypt/GenerateDataKey erteilt, und aktivieren Sie die automatische Rotation.
- Verschlüsseln Sie S3-Buckets mit SSE-KMS unter Verwendung dieses CMK; verwenden Sie S3-Bucket-Richtlinien, um den öffentlichen Zugriff zu blockieren und für PutObject/GetObject Bedingungen wie aws:SourceVpc oder aws:ViaAWSService zu fordern.
- Konfigurieren Sie die VPC: Stellen Sie private Subnetze ohne NAT bereit, erstellen Sie einen Gateway-VPC-Endpunkt für S3 mit einer Endpunktrichtlinie, die auf das Präfix des Modell-Buckets beschränkt ist, und stellen Sie Interface-Endpunkte für sagemaker, sagemaker-runtime, ecr.api, ecr.dkr, sts und cloudwatchlogs bereit.
- Hosten Sie Images in einem privaten ECR mit einer Repository-Richtlinie, die die Principals auf die SageMaker-Ausführungsrolle beschränkt; aktivieren Sie die Unveränderlichkeit (Immutability) und das Scannen von Images. Aktivieren Sie CloudTrail (Management- + S3-Datenereignisse), Macie zur Erkennung sensibler Daten und GuardDuty für anomale Aktivitäten; senden Sie die Protokolle an einen verschlüsselten, kontoübergreifenden Audit-Bucket.
Begründung: Die Verwendung eines kundenverwalteten CMK bietet Kontrolle und Überprüfbarkeit für Modellartefakte; VPC-Endpunkte und restriktive Endpunkt-/Repo-Richtlinien halten den Datenverkehr im AWS-Netzwerk und verhindern öffentlichen Egress; kombinierte Protokollierungs- und Datenklassifizierungsdienste erkennen und verhindern Exfiltration, während IAM nach dem Least-Privilege-Prinzip den Angriffsradius begrenzt.
← Deployment · Alle Domänen · MLOps →
Diese Fragen üben → · Zeitlich begrenzte Übung auf ExamRoll.io →
Pass the whole exam — not just this question
You found this answer. Get every verified question and explanation in one place, and save hours of prep. Free to start.
Bestehe deine Prüfung →