Un'azienda archivia i dati di clickstream in un bucket S3 nell'Account AWS A e deve addestrare un modello ML in SageMaker AI nell'Account B per un lavoro di 10 giorni. L'addestramento deve utilizzare solo indirizzi IP privati e nessun metadato di addestramento può essere condiviso con AWS. Quale soluzione soddisfa questi vincoli?

La creazione di un VPC endpoint per S3 consente al processo di training di SageMaker nell'Account B di accedere ai dati di clickstream nell'Account A tramite indirizzi IP privati, senza attraversare la rete pubblica di Internet. Questo soddisfa il requisito di utilizzare solo indirizzi IP privati. L'impostazione della variabile d'ambiente OPTOUTTRACKING su 1 per il training job di SageMaker disabilita la raccolta di metadati di training da parte di AWS, soddisfacendo il vincolo di non condivisione dei metadati. Le altre opzioni non soddisfano tutti i requisiti: Il VPC peering non garantisce che il traffico S3 utilizzi indirizzi IP privati per l'accesso diretto a S3, e contattare AWS via e-mail non è il metodo standard o garantito per disattivare la raccolta di metadati. Le policy dei security group controllano l'accesso a livello di istanza, non l'accesso a S3, e non esiste un meccanismo generale di "opt-out" per i servizi AI tramite policy. Gli URL pre-firmati consentono l'accesso ai dati, ma non garantiscono che l'accesso avvenga tramite indirizzi IP privati, e non è la soluzione più efficiente per un training job di 10 giorni.