Un especialista en ML está ejecutando un entrenamiento distribuido de un modelo BERT en ocho instancias de SageMaker. Los datos de entrenamiento residen en S3. ¿Qué combinación de pasos se deben seguir para proteger los datos durante el entrenamiento distribuido? (Elija tres).

Para proteger los datos durante el entrenamiento distribuido, es fundamental ejecutar los trabajos dentro de una VPC privada y cifrar el tráfico entre contenedores. Esto aísla la comunicación y los datos dentro de un entorno controlado. Crear un S3 VPC endpoint es esencial para que las instancias de SageMaker accedan a los datos en S3 de forma privada, sin pasar por la Internet pública, y para aplicar políticas de acceso estrictas. Finalmente, asignar un rol de IAM con permisos de solo lectura a los trabajos de SageMaker para los datos en S3 garantiza el principio de privilegio mínimo, impidiendo modificaciones no autorizadas. Ejecutar trabajos en varias VPC con emparejamiento de VPC es más complejo y no siempre necesario para la seguridad básica. Un NAT gateway no es directamente relevante para la seguridad de los datos de entrenamiento en S3 ni para el tráfico entre contenedores. Agregar una regla de grupo de seguridad de entrada es una medida de seguridad de red, pero no aborda directamente la protección de datos en tránsito o en reposo de la misma manera que las opciones correctas.