Analitycy danych używają Amazon SageMaker do trenowania modeli AI/ML z dużymi, wrażliwymi zbiorami danych przechowywanymi w zasobniku Amazon S3. Trening zazwyczaj trwa 30 dni. Polityka przechowywania danych firmy wymaga usunięcia wszelkich danych starszych niż 45 dni z zasobnika S3. Zasobnik jest już odpowiednio zabezpieczony. Co powinien zrobić inżynier bezpieczeństwa, aby wymusić tę politykę przechowywania?

Prawidłowa odpowiedź to utworzenie reguły S3 Lifecycle, ponieważ jest to natywny i najbardziej efektywny sposób zarządzania retencją obiektów w Amazon S3. Reguły cyklu życia automatycznie usuwają obiekty po określonym czasie, co jest zgodne z wymaganiami polityki przechowywania danych. Pozostałe opcje są mniej odpowiednie: Funkcja AWS Lambda wywoływana dla każdego PutObject (opcja B) byłaby nieefektywna i kosztowna, ponieważ uruchamiałaby się przy każdym dodaniu obiektu, zamiast usuwać obiekty zbiorczo po upływie terminu. Funkcja AWS Lambda wywoływana co miesiąc przez Amazon EventBridge (opcja C) może nie spełniać precyzyjnie polityki 45 dni, ponieważ usuwanie odbywałoby się tylko raz w miesiącu, co mogłoby skutkować przechowywaniem danych dłużej niż wymagane. Włączenie S3 Intelligent-Tiering (opcja D) służy do optymalizacji kosztów przechowywania poprzez automatyczne przenoszenie obiektów między klasami, a nie do ich usuwania.