Un ingénieur de données développe un modèle qui utilise les détails de carte de crédit des clients. Comment peut-il s'assurer que les données restent chiffrées et que les numéros de carte sont protégés ?

L'option correcte est la plus sécurisée et conforme aux meilleures pratiques AWS. AWS KMS (Key Management Service) est le service standard pour le chiffrement des données au repos dans S3 et SageMaker, garantissant que les données sont protégées même si l'accès physique est compromis. L'utilisation d'AWS Glue pour masquer ou caviarder les numéros de carte de crédit (tokenisation ou anonymisation) est essentielle pour la protection des données sensibles et la conformité, car elle supprime les informations personnelles identifiables du jeu de données d'entraînement tout en conservant l'utilité des données. Les autres options sont incorrectes car : Chiffrer avec un algorithme personnalisé est risqué et non conforme aux standards de sécurité. SageMaker DeepAR est un algorithme de prévision, pas un outil de randomisation de données. S'appuyer uniquement sur une politique IAM pour chiffrer S3 n'est pas suffisant ; KMS est nécessaire pour la gestion des clés. Kinesis est un service de streaming de données, pas un outil d'anonymisation. Configurer les paramètres de lancement de SageMaker pour chiffrer les données après les avoir copiées sur l'instance de bloc-notes expose les données non chiffrées. SageMaker PCA est un algorithme de réduction de dimensionnalité, pas un outil pour raccourcir les numéros de carte de crédit de manière sécurisée.