Un ingegnere dei dati sta costruendo un modello che utilizza i dettagli delle carte di credito dei clienti. Come può garantire che i dati rimangano crittografati e che i numeri delle carte siano protetti?

L'opzione corretta garantisce la protezione dei dati sensibili in più fasi. AWS KMS (Key Management Service) è il servizio standard per la crittografia dei dati a riposo, sia in Amazon S3 (per l'archiviazione) che in Amazon SageMaker (per l'elaborazione del modello), fornendo un controllo robusto sulle chiavi di crittografia. La redazione o mascheratura dei numeri di carta di credito tramite AWS Glue è una pratica essenziale per la conformità e la sicurezza, rimuovendo o offuscando i dati sensibili prima che vengano utilizzati per l'addestramento del modello. Le altre opzioni presentano delle lacune: L'algoritmo personalizzato non è una best practice per la crittografia, e SageMaker DeepAR non è progettato per randomizzare numeri di carte di credito. Affidarsi solo a una policy IAM per la crittografia di S3 non è sufficiente senza KMS, e Kinesis non è lo strumento appropriato per eliminare e inserire numeri fittizi in un dataset statico. Configurare le impostazioni di avvio di SageMaker dopo aver copiato i dati non protegge i dati durante il transito o prima del caricamento, e SageMaker PCA non è per abbreviare numeri di carte di credito.