Un profesional de IA entrenó un modelo personalizado de Bedrock utilizando un conjunto de datos que incluía información confidencial. Quieren evitar que el modelo produzca resultados que revelen esos datos confidenciales. ¿Cuál es la forma correcta de evitar tales respuestas?

La opción correcta es eliminar el modelo, quitar los datos sensibles del conjunto de entrenamiento y reentrenar. Esto asegura que el modelo nunca haya aprendido ni almacenado la información confidencial, previniendo su divulgación. Enmascarar dinámicamente o cifrar las salidas de inferencia no elimina el riesgo, ya que el modelo aún podría generar la información confidencial antes de ser enmascarada o cifrada, o si el mecanismo de protección falla. Cifrar los datos dentro del modelo con AWS KMS no impide que el modelo los use para generar respuestas, solo protege el almacenamiento de esos datos. La única forma de evitar que el modelo revele datos confidenciales es que nunca los haya aprendido.