HealthBridge (приложение для здравоохранения) будет предоставлять доступ к LLM через Amazon Bedrock. Требования соответствия включают блокировку инструкций по медицинскому диагнозу, удаление любой персонально идентифицируемой информации (PII) из выходных данных модели и регистрацию нарушений. Какая конфигурация и интеграция Bedrock guardrail подходят для выполнения этих требований?

Правильный ответ использует Bedrock Guardrails для блокировки нежелательных тем, таких как медицинские диагнозы, что соответствует требованиям. Интеграция Amazon Comprehend для обнаружения PII и автоматического редактирования в конвейере ответов эффективно удаляет конфиденциальную информацию перед ее возвратом, обеспечивая соблюдение требований конфиденциальности. Настройка аудита в CloudWatch Logs и S3 позволяет регистрировать нарушения и отредактированные поля, что необходимо для соответствия требованиям. Остальные варианты не подходят, потому что: Полагаться исключительно на prompt engineering недостаточно надежно для блокировки контента и удаления PII. Использование IAM SCP и AWS WAF не предназначено для тонкой фильтрации ответов LLM или редактирования PII в реальном времени. Периодическое сканирование Lambda не обеспечивает немедленное удаление PII. Развертывание модели в SageMaker и использование Clarify для обнаружения PII во время вывода — это возможно, но хранение необработанных выходных данных и ночные пакетные задания для редактирования PII нарушают требование немедленного удаления PII из выходных данных модели.