Tutti i dati di training per più gruppi aziendali sono archiviati in S3 all'interno di un singolo account AWS. Gli ingegneri ML devono accedere solo ai dati di training del proprio gruppo aziendale e deve essere impedito loro di accedere ai dati di altri gruppi. Tutte le esecuzioni di training avvengono in SageMaker. Come dovrebbe l'azienda applicare i controlli di accesso richiesti?

La creazione di policy IAM (Identity and Access Management) che limitano l'accesso e l'assegnazione di tali policy agli utenti o ai ruoli IAM appropriati è il modo corretto per implementare controlli di accesso granulari in AWS. Questo permette di definire esattamente quali utenti o ruoli possono accedere a quali bucket o prefissi S3, garantendo che gli ingegneri ML vedano solo i dati del proprio gruppo. Il versioning del bucket S3 aiuta a recuperare versioni precedenti degli oggetti, non a controllare l'accesso. S3 Object Lock impedisce la modifica o l'eliminazione degli oggetti per un periodo definito, ma non gestisce l'autorizzazione all'accesso iniziale. Le policy CORS (Cross-Origin Resource Sharing) controllano come i browser web possono accedere alle risorse da un dominio diverso, non sono pertinenti per la sicurezza interna dell'accesso ai dati.