Un modèle déployé sur site utilise des données stockées dans Amazon S3 et traite des informations sensibles pour alimenter un moteur conversationnel en direct dans une configuration de cloud hybride. L'ingénieur ML doit détecter et supprimer les données sensibles avec un minimum de frais opérationnels. Quelle solution répond à cette exigence ?

Amazon Macie est un service de sécurité des données qui utilise l'apprentissage automatique et la correspondance de modèles pour découvrir, classer et protéger les données sensibles dans AWS, y compris celles stockées dans Amazon S3. Il est conçu pour minimiser les frais opérationnels en automatisant la détection des données sensibles. L'intégration de Macie avec AWS Lambda permet d'automatiser la suppression ou la modification des éléments sensibles une fois détectés, répondant ainsi au besoin de suppression avec un minimum d'effort. Les autres options sont moins optimales car : Déployer le modèle sur SageMaker ou ECS/Fargate n'adresse pas directement la détection et la suppression des données sensibles dans S3. Ces services sont pour le déploiement de modèles, pas pour la gouvernance des données. Amazon Comprehend est un service de traitement du langage naturel (NLP) qui peut identifier des entités, mais il n'est pas spécifiquement conçu pour la détection généralisée de données sensibles dans S3 comme l'est Macie. Lancer des instances EC2 pour la suppression serait également plus coûteux et complexe que l'utilisation de Lambda.