Amazon MLS-C01: Beveiliging, Privacy & Compliance — Studiegids
Onderdeel van de AWS Machine Learning Specialty MLS-C01 — Studiegids. Oefen met geverifieerde antwoorden in het Amazon-examencentrum, of doe getimede oefentests op ExamRoll.io.
Data- en modelversleuteling: gelaagde controles en veelvoorkomende valkuilen
Het versleutelen van data at rest en in transit is de eerste verdedigingslinie voor ML-pipelines. Geef voor objecten in S3 de voorkeur aan server-side encryptie met KMS (SSE-KMS) wanneer je auditeerbaarheid en granulaire controle over sleutels nodig hebt; SSE-S3 is acceptabel voor buckets waar per-request KMS-logging onnodig is. SageMaker model artifacts, EBS-volumes gekoppeld aan training- en hosting-instances, en EFS/FSx-volumes moeten ook versleuteld worden—SageMaker kan geconfigureerd worden om door de klant beheerde CMK’s te gebruiken voor de versleuteling van model artifacts en volumes. Gebruik voor grote datasets of voor delen tussen accounts envelope-encryptie (genereer data keys met KMS en gebruik de AWS Encryption SDK of client-side libraries) om herhaalde KMS-aanroepen te vermijden. Bescherming in transit vereist TLS voor alle S3- en service-endpoints; bij gebruik van private networking, gebruiken PrivateLink en VPC-endpoints nog steeds TLS on the wire. Een veelvoorkomende valkuil is het vergeten bij te werken van CMK key policies: het toekennen van decrypt/generate-permissies aan de SageMaker service principal en je execution roles is vereist (IAM alleen is niet voldoende). Beslissingscriteria: kies door AWS beheerde CMK’s als je lage operationele overhead wilt; kies door de klant beheerde CMK’s als je beleid voor sleutelrotatie, cross-account controle of gescheiden sleutelbeheerders vereist. Houd rekening met prestaties en kosten: envelope-encryptie vermindert het gebruik van de KMS API voor workloads met een hoge doorvoersnelheid.
Sleutelbeheer, CMK-ontwerp en operationele controles
Het ontwerpen van een KMS-strategie voor ML-workloads balanceert beveiliging, toegangscontouren en operaties. Gebruik door de klant beheerde CMK’s wanneer je fijnmazige beleidscontroles, grants, cross-account gebruik en audittrails in CloudTrail nodig hebt voor GenerateDataKey/Decrypt-operaties. Voor sleutels die door een HSM worden ondersteund en voor FIPS-vereisten, overweeg een KMS Custom Key Store die wordt ondersteund door CloudHSM. Key policies zijn autoritatief; vul ze aan met IAM-beleid en gebruik kms:ViaService-condities om het gebruik te beperken tot specifieke AWS-services (bijvoorbeeld, sta decrypt alleen toe wanneer aangeroepen via sagemaker.amazonaws.com of s3.amazonaws.com). Gebruik KMS grants voor kortdurende permissies om decrypt/encrypt te delegeren aan tijdelijke rollen die door training jobs worden gebruikt. Activeer automatische sleutelrotatie voor symmetrische CMK’s waar van toepassing en maak multi-region sleutels voor geo-redundante modelreplicatie. Veelvoorkomende valkuilen zijn het uitsluitend vertrouwen op IAM-beleid (zonder het CMK key policy bij te werken), en het vergeten op te nemen van service principals (zoals sagemaker.amazonaws.com of elasticblockstore.amazonaws.com) zodat beheerde services CMK’s kunnen gebruiken. Beslissingscriteria moeten de administratieve scheiding (gebruik afzonderlijke CMK’s per business unit of gevoeligheidsklasse) afwegen tegen KMS-quota en operationele complexiteit; pas het principe van ’least privilege’ toe en auditeer GenerateDataKey-events in CloudTrail.
Private networking en VPC-endpoints voor SageMaker en S3
Om data en images van het publieke internet te houden, plaats je SageMaker Studio, notebook instances en training/hosting jobs in VPC’s en gebruik je VPC-endpoints. S3 Gateway Endpoints maken directe, private toegang tot bucket-objecten vanuit je subnets mogelijk; koppel restrictief endpoint-beleid om de toegang te beperken tot specifieke buckets en prefixes. SageMaker API’s, runtime-aanroepen en ECR vereisen Interface Endpoints (PrivateLink): maak com.amazonaws.
IAM, private image-toegang, audit-logging en exfiltratiebeheer
IAM-rollen met minimale rechten (least-privilege) zijn cruciaal: de SageMaker execution role mag alleen de S3-, ECR-, KMS- en CloudWatch-permissies hebben die nodig zijn voor de taak, vaak beperkt tot specifieke resource-ARN’s en verder ingeperkt met aws:SourceArn/aws:SourceAccount/aws:SourceVpc-condities. Voor private container-images, host deze in private ECR-repositories met repository-beleid dat pulls beperkt tot specifieke IAM-principals of organization-accounts; markeer images als onveranderlijk (immutable) en schakel image-scanning in. Audit-logging is allesomvattend: schakel CloudTrail management- en S3-data-events in voor GetObject/PutObject op gevoelige buckets, stuur logs door naar een speciale, versleutelde, cross-account logging-bucket, en activeer CloudWatch Logs en VPC Flow Logs om afwijkend uitgaand verkeer (egress) te detecteren. Gebruik Amazon Macie om persoonlijk identificeerbare informatie (PII) in S3 te ontdekken en GuardDuty om ongebruikelijke datatoegangspatronen te detecteren. Om data-exfiltratie te voorkomen, combineer S3-bucket-beleid dat verzoeken weigert (Deny) die niet afkomstig zijn van goedgekeurde VPC-endpoints of VPC-CIDR’s, netwerkcontroles zoals Security Groups/NACL’s en AWS Network Firewall voor egress-filtering, en IAM permission boundaries/SCP’s om de ‘blast radius’ te verkleinen. Veelvoorkomende valkuilen zijn de aanname dat VpcConfig alleen al het uitgaande verkeer voorkomt (je moet NAT/Internet Gateway en endpoints beheren) en het vergeten om KMS decrypt-rechten te verlenen aan de daadwerkelijke runtime-principals die de model-artefacten nodig hebben.
Praktijkprobleem: Use-Case Scenario
Scenario: MetroDelivery gebruikt per stad XGBoost-modellen die als artefacten in S3 zijn opgeslagen en traint modellen in SageMaker Studio. Ze eisen dat training en inferentie nooit via het openbare internet verlopen, dat model-artefacten worden versleuteld met door de klant beheerde sleutels, en dat container-images privaat worden gehost.
Uitdaging: Zorg voor end-to-end-versleuteling en private netwerkverbindingen voor training en hosting, beperk het pullen van images tot goedgekeurde rollen, en detecteer/voorkom ongeautoriseerde dataverplaatsing.
Aanbevolen Aanpak:
- Maak een door de klant beheerde (customer-managed) symmetrische CMK aan in KMS, stel een key policy in die MetroDelivery-admins, sagemaker.amazonaws.com en de SageMaker execution roles
Decrypt/GenerateDataKey-permissies geeft, en schakel automatische rotatie in. - Versleutel S3-buckets met SSE-KMS met behulp van die CMK; gebruik S3-bucket-beleid om publieke toegang te blokkeren en
aws:SourceVpc- ofaws:ViaAWSService-condities te vereisen voorPutObject/GetObject. - Configureer de VPC: implementeer private subnets zonder NAT, maak een Gateway VPC Endpoint voor S3 aan met een endpoint-beleid dat beperkt is tot de prefix van de model-bucket, en implementeer Interface Endpoints voor sagemaker, sagemaker-runtime, ecr.api, ecr.dkr, sts en cloudwatchlogs.
- Host images in een private ECR met een repository-beleid dat principals beperkt tot de SageMaker execution role; schakel image-onveranderlijkheid (immutability) en scanning in. Activeer CloudTrail (management + S3-data-events), Macie voor de ontdekking van gevoelige data, en GuardDuty voor afwijkende activiteiten; stuur logs naar een versleutelde cross-account audit-bucket.
Rationale: Het gebruik van een door de klant beheerde CMK biedt controle en auditeerbaarheid voor model-artefacten; VPC-endpoints en restrictief endpoint-/repo-beleid houden het verkeer op het AWS-netwerk en voorkomen publieke egress; gecombineerde logging- en dataclassificatiediensten detecteren en ontmoedigen exfiltratie, terwijl least-privilege IAM de aanvals-scope beperkt.
← Deployment · Alle domeinen · MLOps →
Oefen deze vragen → · Getimede oefening op ExamRoll.io →
Pass the whole exam — not just this question
You found this answer. Get every verified question and explanation in one place, and save hours of prep. Free to start.
Slaag voor je examen →