HealthBridge (una aplicación de atención médica) expondrá un LLM a través de Amazon Bedrock. El cumplimiento requiere bloquear las instrucciones de diagnóstico médico, eliminar cualquier información de identificación personal (PII) de las salidas del modelo y registrar las infracciones. ¿Cuál es la configuración e integración de guardrail de Bedrock adecuada para cumplir con estos requisitos?

La opción correcta aborda todos los requisitos de cumplimiento de manera integral. Bedrock Guardrails permite definir temas denegados (diagnóstico médico, tratamientos prescriptivos) y bloquear las respuestas que los contengan, cumpliendo con la restricción de diagnóstico. La integración de Amazon Comprehend para la detección de PII en el pipeline de respuesta garantiza la eliminación automática de información sensible antes de que la salida llegue al usuario. Finalmente, la configuración de registro de auditoría en CloudWatch Logs y S3 proporciona un registro inmutable de las infracciones y las acciones de redacción, esencial para el cumplimiento. Las opciones incorrectas no cumplen con todos los requisitos. Confiar únicamente en la ingeniería de prompts es insuficiente y poco fiable para el cumplimiento estricto. Usar políticas de IAM y AWS WAF no proporciona la funcionalidad granular de filtrado de contenido y redacción de PII necesaria. Implementar el modelo en SageMaker y depender de trabajos por lotes nocturnos para la redacción de PII no cumple con el requisito de eliminar la PII antes de que la salida sea devuelta al usuario.