Firma przechowuje dane clickstream w zasobniku S3 na koncie AWS A i musi wytrenować model ML w SageMaker AI na koncie B dla 10-dniowego zadania. Trening musi wykorzystywać tylko prywatne adresy IP, a żadne metadane treningowe nie mogą być udostępniane AWS. Które rozwiązanie spełnia te ograniczenia?

Poprawna odpowiedź spełnia oba wymagania. Utworzenie punktu końcowego VPC (VPC endpoint) dla S3 umożliwia dostęp do danych S3 z SageMaker AI wyłącznie poprzez prywatne adresy IP, bez przechodzenia przez publiczny internet. Ustawienie zmiennej środowiskowej OPTOUTTRACKING na 1 w zadaniu treningowym SageMaker AI instruuje usługę, aby nie zbierała ani nie udostępniała metadanych treningowych AWS. Pozostałe opcje są nieprawidłowe: Peering VPC nie zapewnia, że dostęp do S3 będzie odbywał się wyłącznie przez prywatne adresy IP, chyba że S3 jest również w prywatnej sieci. Rezygnacja z metadanych poprzez e-mail nie jest standardową ani gwarantowaną metodą. Konfiguracja polityki grupy bezpieczeństwa na zasobniku S3 nie jest wystarczająca do zapewnienia prywatnego dostępu IP i nie rozwiązuje problemu metadanych. Nie ma ogólnych "polityk rezygnacji z usług AI" w taki sposób, jak to opisano. Wstępnie podpisane adresy URL nadal wykorzystują publiczne punkty końcowe S3 i nie zapewniają prywatnego dostępu IP.