Een bedrijf slaat clickstream-gegevens op in een S3-bucket in AWS-account A en moet een ML-model trainen in SageMaker AI in account B voor een taak van 10 dagen. Training mag alleen privé-IP-adressen gebruiken en er mogen geen trainingsmetadata worden gedeeld met AWS. Welke oplossing voldoet aan deze beperkingen?

De juiste oplossing is het maken van een VPC-endpoint voor S3 en het instellen van de SageMaker AI OPTOUTTRACKING omgevingsvariabele op 1. Een VPC-endpoint voor S3 zorgt ervoor dat het verkeer tussen SageMaker en S3 via privé-IP-adressen binnen het AWS-netwerk verloopt, wat voldoet aan de vereiste voor privé-IP-adressen. De omgevingsvariabele OPTOUTTRACKING=1 zorgt ervoor dat er geen trainingsmetadata wordt gedeeld met AWS. VPC-peering tussen accounts A en B zou connectiviteit mogelijk maken, maar garandeert niet dat S3-toegang via privé-IP's verloopt zonder een S3 VPC-endpoint. Contact opnemen met AWS per e-mail is geen gestandaardiseerde of directe manier om metadataverzameling uit te schakelen voor een specifieke trainingstaak. Het configureren van een security group policy op de S3-bucket regelt toegang, maar lost de privé-IP-vereiste voor S3-toegang niet op en "opt-out-beleidsregels voor AI-services" is geen specifieke, direct toepasbare AWS-functionaliteit voor deze context. Vooraf ondertekende URL's zijn voor tijdelijke toegang en voldoen niet aan de eis voor privé-IP-adressen voor de duur van de 10-daagse trainingstaak.