Un'azienda di servizi finanziari sta adottando SageMaker ed è preoccupata di prevenire l'esfiltrazione dei dati. Quali meccanismi può utilizzare un ingegnere ML per controllare l'uscita dei dati da SageMaker? (Selezionare tre.)

Per prevenire l'esfiltrazione dei dati, un ingegnere ML può connettersi a SageMaker tramite un VPC interface endpoint (AWS PrivateLink). Questo assicura che il traffico di rete rimanga all'interno della rete AWS e non transiti su Internet pubblico, riducendo il rischio di intercettazioni. Abilitare l'isolamento di rete per i training job e i modelli distribuiti impedisce che il codice del training o dell'inferenza acceda a risorse di rete esterne non autorizzate, bloccando tentativi di esfiltrazione. Limitare gli URL pre-firmati dei notebook di SageMaker a specifici indirizzi IP aziendali garantisce che solo utenti autorizzati da posizioni sicure possano accedere ai notebook, impedendo l'accesso da reti non attendibili. Le Service Control Policies (SCP) sono utili per la gestione delle autorizzazioni a livello di organizzazione, ma non controllano direttamente l'esfiltrazione dei dati da SageMaker. Disabilitare l'accesso root sulle istanze notebook è una buona pratica di sicurezza generale, ma non impedisce l'esfiltrazione di dati da parte di un utente autorizzato. La crittografia dei dati a riposo e in transito è fondamentale per la sicurezza, ma non previene l'esfiltrazione se un utente autorizzato esfiltra dati crittografati.