Organizacja medyczna przechowuje dokumentację kliniczną zawierającą PII i PHI. Inżynier ML musi upewnić się, że ani PII, ani PHI nie są używane do trenowania modelu. Które podejście spełnia ten wymóg?

Prawidłowa odpowiedź to użycie Amazon Comprehend do wykrywania i maskowania PII oraz Amazon Comprehend Medical do wykrywania i maskowania PHI. Amazon Comprehend to usługa przetwarzania języka naturalnego (NLP), która może identyfikować i maskować dane osobowe (PII) w tekście. Amazon Comprehend Medical to wyspecjalizowana usługa NLP, która może identyfikować i maskować chronione informacje zdrowotne (PHI) w dokumentacji medycznej. Połączenie tych usług zapewnia kompleksowe rozwiązanie do anonimizacji danych przed trenowaniem modelu. Pozostałe opcje są mniej odpowiednie: Przechowywanie danych w S3 i użycie AWS Glue DataBrew do maskowania PII i PHI jest możliwe, ale wymagałoby ręcznego konfigurowania reguł maskowania, co jest mniej efektywne niż wyspecjalizowane usługi NLP. Ładowanie danych do Amazon Redshift i użycie procedur SQL do klasyfikacji i maskowania jest nieefektywne dla danych tekstowych i wymagałoby skomplikowanej logiki do identyfikacji PII/PHI. Szyfrowanie PII i PHI za pomocą funkcji Lambda i przechowywanie zaszyfrowanych danych w S3 nie usuwa PII/PHI z danych treningowych, a jedynie je szyfruje. Model nadal miałby dostęp do zaszyfrowanych danych, co nie spełnia wymogu, aby PII/PHI nie były używane do trenowania.