Un'organizzazione medica archivia cartelle cliniche contenenti PII e PHI. Un ingegnere ML deve assicurarsi che né PII né PHI vengano utilizzati per l'addestramento del modello. Quale approccio soddisfa questo requisito?

L'opzione corretta è usare Amazon Comprehend per rilevare e mascherare PII e Amazon Comprehend Medical per rilevare e mascherare PHI. Amazon Comprehend è un servizio di elaborazione del linguaggio naturale (NLP) che può identificare e redigere PII. Amazon Comprehend Medical è una versione specializzata che fa lo stesso per PHI nei dati clinici. Questo approccio garantisce che le informazioni sensibili vengano rimosse prima dell'addestramento del modello. Le altre opzioni sono meno adatte: L'archiviazione in S3 con AWS Glue DataBrew può mascherare i dati, ma non è specificamente progettata per il rilevamento automatico e completo di PII/PHI come i servizi Comprehend. L'uso di stored procedure SQL in Amazon Redshift richiederebbe una logica complessa e personalizzata per classificare e mascherare accuratamente PII/PHI, il che è meno efficiente e affidabile rispetto ai servizi dedicati di AWS. La crittografia dei dati con una funzione Lambda e il salvataggio su S3 non impedisce l'uso di PII/PHI per l'addestramento; il modello potrebbe comunque accedere ai dati crittografati se ha le chiavi, o i dati dovrebbero essere decifrati per l'addestramento, reintroducendo il rischio. L'obiettivo è non utilizzare PII/PHI, non solo crittografarli.