Un'azienda riceve quotidianamente file CSV in S3 che contengono dati di interazione con i clienti utilizzati per riaddestrare un modello. Prima del riaddestramento, i numeri di carta di credito in tali file devono essere mascherati. Quale soluzione realizza questo obiettivo con il minor sforzo di sviluppo?

La risposta corretta è creare codice Apache Spark da eseguire su un AWS Glue job e utilizzare la funzionalità Sensitive Data Detection. AWS Glue DataBrew o AWS Glue Studio con la funzionalità Sensitive Data Detection offre una soluzione gestita e integrata per identificare e mascherare automaticamente i dati sensibili, come i numeri di carta di credito, con il minimo sforzo di sviluppo. Creare un discovery job in Amazon Macie è utile per l'identificazione e il reporting di dati sensibili, ma non esegue direttamente il mascheramento dei dati all'interno dei file. Creare codice Apache Spark con espressioni regolari (regex) su un AWS Glue job è fattibile, ma richiede uno sforzo di sviluppo maggiore per definire e mantenere pattern regex accurati per tutti i tipi di dati sensibili. Creare codice Apache Spark su un'istanza Amazon EC2 richiede la gestione dell'infrastruttura sottostante (EC2, Spark) e non sfrutta le funzionalità gestite di rilevamento dati sensibili offerte da AWS Glue.