HealthBridge (een zorg-app) zal een LLM beschikbaar stellen via Amazon Bedrock. Compliance vereist het blokkeren van instructies voor medische diagnoses, het verwijderen van persoonlijk identificeerbare informatie (PII) uit modeluitvoer, en het loggen van overtredingen. Wat is de juiste Bedrock guardrail-configuratie en -integratie om aan deze vereisten te voldoen?

De correcte optie voldoet aan alle vereisten met behulp van de juiste AWS-services. Amazon Bedrock Guardrails biedt de functionaliteit om specifieke onderwerpen (zoals medische diagnoses) te blokkeren en overtredingen te loggen. Integratie met Amazon Comprehend PII-detectie is de aanbevolen manier om PII automatisch te redigeren uit modeluitvoer. Het configureren van audit logging naar CloudWatch Logs en S3 zorgt voor naleving van de logboekvereisten. De andere opties zijn onjuist omdat: Alleen prompt engineering is onvoldoende voor robuuste compliance; modellen kunnen instructies negeren. IAM SCP's zijn voor toegangsbeheer, niet voor inhoudsfiltering. AWS WAF is voor webapplicaties, niet direct voor Bedrock-modeluitvoer. Periodiek scannen van S3 is reactief en voldoet niet aan de realtime PII-verwijderingsvereiste. Het implementeren in SageMaker is een omweg; Bedrock biedt al de benodigde functionaliteit. Het opslaan van ruwe uitvoer met PII en vertrouwen op nachtelijke batchtaken voldoet niet aan de vereiste om PII te verwijderen voordat antwoorden worden teruggestuurd.