Un professionista dell'IA ha addestrato un modello Bedrock personalizzato utilizzando un set di dati che includeva informazioni riservate. Vuole impedire al modello di produrre output che rivelino tali dati riservati. Qual è il modo corretto per prevenire tali risposte?

La risposta corretta è eliminare il modello personalizzato, rimuovere i dati riservati dal set di addestramento e riaddestrare il modello. Questo è l'unico modo per garantire che le informazioni riservate non siano state memorizzate o apprese dal modello durante l'addestramento. Una volta che un modello ha appreso dati riservati, non è possibile "disimpararli" senza un riaddestramento. Mascherare dinamicamente i valori riservati negli output di inferenza non impedisce al modello di generare tali informazioni; si limita a nasconderle dopo che sono state prodotte, il che è una soluzione incompleta e rischiosa. Crittografare i valori riservati negli output di inferenza utilizzando Amazon SageMaker è simile: i dati sono già stati generati dal modello. Crittografare i dati riservati nel modello personalizzato con AWS KMS protegge i dati a riposo, ma non impedisce al modello di utilizzarli o riprodurli durante l'inferenza se sono stati inclusi nel set di addestramento.