Uno specialista di ML sta eseguendo il training distribuito di un modello BERT su otto istanze SageMaker. I dati di training si trovano in S3. Quale combinazione di passaggi dovrebbe essere intrapresa per proteggere i dati durante il training distribuito? (Scegliere tre.)

Eseguire i job di training distribuito all'interno di una VPC privata e abilitare la crittografia per il traffico inter-container è fondamentale per isolare il traffico di rete e proteggere i dati in transito tra le istanze. Creare un S3 VPC endpoint e configurare le route di rete appropriate, le policy dell'endpoint e la policy del bucket S3 garantisce che il traffico tra SageMaker e S3 rimanga all'interno della rete AWS e sia controllato, impedendo l'accesso pubblico. Assegnare un ruolo IAM che conceda l'accesso in sola lettura ai job SageMaker per i dati S3 implementa il principio del privilegio minimo, limitando l'accesso ai dati solo a ciò che è strettamente necessario per il training. Le altre opzioni non sono le migliori pratiche per la sicurezza in questo contesto: l'uso di più VPC con peering aggiunge complessità senza un chiaro vantaggio di sicurezza per un singolo job; un NAT gateway è per l'accesso in uscita a Internet, non per la sicurezza dei dati di training; e una regola di sicurezza in entrata da sola non fornisce un isolamento completo o un controllo degli accessi.