FinSight ma zautomatyzowany potok ML w CodePipeline, który przygotowuje nowe zestawy danych S3 do zasobników szkoleniowych. Zanim jakikolwiek zestaw danych zostanie użyty do szkolenia, zabezpieczenia wymagają wykrycia PII i automatycznego zablokowania postępu potoku, jeśli PII zostanie znalezione. Które podejście integracyjne wykorzystujące Amazon Macie pozwoli potokowi warunkowo kontynuować lub zakończyć się niepowodzeniem na podstawie wyników PII?

Poprawna odpowiedź wykorzystuje Amazon Macie do wykrywania PII i Amazon EventBridge do reagowania na te wyniki. Ciągła klasyfikacja Macie lub zadanie na żądanie skanuje nowe dane. Wyniki są wysyłane do EventBridge, który wyzwala funkcję AWS Lambda lub AWS Step Functions. Ta funkcja analizuje wyniki Macie i, jeśli wykryto PII powyżej progu, przerywa potok CodePipeline, zapewniając zgodność z wymogami bezpieczeństwa przed szkoleniem modelu. S3 Block Public Access i zasady S3 Access Point kontrolują dostęp publiczny, a nie wykrywanie PII ani warunkowe przerywanie potoku. Amazon Comprehend jest usługą NLP, ale Macie jest specjalnie zaprojektowane do wykrywania PII w S3 i integracji z EventBridge dla automatyzacji. S3 Object Lock zapobiega usunięciu lub nadpisaniu obiektów, ale nie wykrywa PII ani nie steruje warunkowo potokiem szkoleniowym.