Un ingeniero de datos está construyendo un modelo que utiliza los detalles de las tarjetas de crédito de los clientes. ¿Cómo pueden asegurar que los datos permanezcan cifrados y que los números de las tarjetas estén protegidos?

La opción correcta es la más segura y cumple con las mejores prácticas. AWS KMS (Key Management Service) proporciona cifrado gestionado para datos en reposo en Amazon S3 y Amazon SageMaker, garantizando la confidencialidad. Redactar o enmascarar los números de tarjetas de crédito con AWS Glue es crucial para la protección de datos sensibles, ya que elimina o altera la información personal identificable (PII) antes de que se utilice en el entrenamiento del modelo. Las opciones incorrectas presentan deficiencias significativas: Cifrar con un algoritmo personalizado no es una práctica recomendada, ya que es propenso a errores y menos seguro que KMS. SageMaker DeepAR es para series temporales, no para aleatorizar números de tarjetas. Confiar solo en una política de IAM para cifrar S3 no es suficiente, y Kinesis no está diseñado para eliminar y reemplazar datos sensibles de esta manera; es un servicio de streaming de datos. Cifrar datos después de copiarlos en la instancia del notebook es demasiado tarde, ya que los datos sensibles ya habrían estado expuestos. SageMaker PCA es para reducción de dimensionalidad, no para acortar o proteger números de tarjetas.