FinSight tiene un pipeline de ML automatizado en CodePipeline que organiza nuevos conjuntos de datos de S3 en training-buckets. Antes de que cualquier conjunto de datos se utilice para el entrenamiento, la seguridad requiere la detección de PII y el bloqueo automático del progreso del pipeline si se encuentra PII. ¿Qué enfoque de integración utilizando Amazon Macie permitirá que el pipeline continúe o falle condicionalmente según los hallazgos de PII?

La opción correcta describe un flujo de trabajo robusto y automatizado. Amazon Macie puede configurarse para clasificación continua o ejecutarse bajo demanda para detectar PII en los buckets de S3. Los hallazgos de Macie se publican en Amazon EventBridge, lo que permite activar una función de AWS Lambda o una máquina de estado de Step Functions. Este componente puede inspeccionar los hallazgos de PII y, si se detecta PII por encima de un umbral definido, abortar el pipeline de CodePipeline antes de que los datos lleguen a la fase de entrenamiento. Esto asegura que los datos con PII no se utilicen para el entrenamiento. Las opciones incorrectas son: S3 Block Public Access y las políticas de S3 Access Point controlan el acceso público y las políticas de acceso, no la detección y el bloqueo condicional basado en el contenido de PII. Macie no evita automáticamente el acceso basándose en estas configuraciones. Amazon Comprehend es un servicio de PNL, pero Macie está diseñado específicamente para el descubrimiento de datos sensibles y la gestión de PII a escala en S3. Reemplazar Macie con Comprehend para esta tarea no es el enfoque más directo ni eficiente. S3 Object Lock protege los objetos contra la eliminación o sobrescritura, pero no detecta PII ni interactúa con SageMaker para omitir automáticamente objetos basados en contenido.