Une organisation médicale stocke des dossiers cliniques contenant des informations PII et PHI. Un ingénieur ML doit s'assurer qu'aucune information PII ou PHI n'est utilisée pour l'entraînement du modèle. Quelle approche satisfait cette exigence ?

L'approche correcte consiste à utiliser Amazon Comprehend pour la détection et le masquage des informations PII (informations personnellement identifiables) générales, et Amazon Comprehend Medical pour la détection et le masquage des informations PHI (informations de santé protégées) spécifiques au domaine médical. Ces services sont conçus pour identifier et traiter ces types de données sensibles, garantissant ainsi qu'elles ne sont pas utilisées pour l'entraînement du modèle. Stocker les données dans S3 et utiliser AWS Glue DataBrew pour masquer les PII et les PHI est une option viable, mais moins spécifique et potentiellement moins précise que Comprehend et Comprehend Medical pour la détection des PHI. Charger les données dans Redshift et utiliser des procédures stockées SQL pour masquer les PII et les PHI est également possible, mais cela nécessiterait un développement personnalisé important pour la logique de détection, ce qui est moins efficace que d'utiliser des services AWS spécialisés. Chiffrer les PII et les PHI avec une fonction Lambda ne masque pas les données, mais les rend illisibles sans la clé de déchiffrement, ce qui n'empêche pas leur utilisation indirecte dans l'entraînement du modèle si le modèle peut apprendre des motifs à partir des données chiffrées.