Un modelo implementado on-premises utiliza datos almacenados en Amazon S3 y procesa información sensible para alimentar un motor conversacional en vivo en una configuración de nube híbrida. El ingeniero de ML debe detectar y eliminar datos sensibles con una sobrecarga operativa mínima. ¿Qué solución cumple este requisito?

Amazon Macie es un servicio de seguridad de datos que utiliza machine learning para descubrir, clasificar y proteger datos sensibles en Amazon S3. Puede identificar automáticamente información de identificación personal (PII) y otros datos sensibles. La integración con AWS Lambda permite automatizar la eliminación o el procesamiento de los elementos identificados, minimizando la sobrecarga operativa. Las otras opciones son menos eficientes o no están diseñadas para este propósito. Implementar el modelo en SageMaker o ECS no aborda directamente la detección de datos sensibles en S3. Amazon Comprehend se enfoca en el análisis de texto y no en la detección de datos sensibles en S3 a escala, y el uso de instancias EC2 para la eliminación introduce una mayor complejidad operativa en comparación con Lambda.