Una empresa almacena datos de clickstream en un bucket de S3 en la Cuenta de AWS A y necesita entrenar un modelo de ML en SageMaker AI en la Cuenta B para un trabajo de 10 días. El entrenamiento debe usar solo direcciones IP privadas y no se pueden compartir metadatos de entrenamiento con AWS. ¿Qué solución cumple con estas restricciones?

La opción correcta cumple con ambas restricciones. Un VPC endpoint para S3 permite que el trabajo de entrenamiento de SageMaker acceda a los datos de S3 utilizando direcciones IP privadas, sin pasar por la internet pública. Esto satisface el requisito de usar solo direcciones IP privadas. Establecer la variable de entorno SageMaker AI OPTOUTTRACKING en 1 en el trabajo de entrenamiento es la forma estándar de SageMaker para optar por no compartir metadatos de entrenamiento con AWS. Las otras opciones son incorrectas porque: El emparejamiento de VPC no aborda la exclusión de metadatos y puede no ser la forma más segura o escalable para el acceso a S3. Las políticas de grupo de seguridad en S3 no son aplicables; las políticas de bucket se usan para el control de acceso a S3. Además, no abordan la exclusión de metadatos. Las URL prefirmadas son para acceso temporal y no son ideales para un trabajo de entrenamiento de 10 días, además de que no garantizan el uso exclusivo de IPs privadas para la transferencia de datos.