Un praticien de l'IA a entraîné un modèle Bedrock personnalisé à l'aide d'un ensemble de données contenant des informations confidentielles. Il souhaite empêcher le modèle de produire des résultats qui révèlent ces données confidentielles. Quelle est la bonne façon d'éviter de telles réponses ?

La meilleure façon d'empêcher un modèle de révéler des données confidentielles est de s'assurer que ces données ne sont jamais incluses dans l'ensemble d'entraînement. Si le modèle a déjà été entraîné avec des données confidentielles, il doit être supprimé, les données confidentielles retirées de l'ensemble d'entraînement, puis le modèle doit être réentraîné. Masquer ou chiffrer les sorties d'inférence (options B et C) ne résout pas le problème fondamental : le modèle a déjà appris les données confidentielles et pourrait potentiellement les révéler de manière inattendue ou indirecte. Le chiffrement des données dans le modèle avec AWS KMS (option D) protège les données au repos mais n'empêche pas le modèle d'apprendre et de potentiellement divulguer ces informations lors de l'inférence.