Модель, развернутая локально, использует данные, хранящиеся в Amazon S3, и обрабатывает конфиденциальную информацию для работы диалогового движка в режиме реального времени в гибридной облачной среде. Инженер машинного обучения должен обнаруживать и удалять конфиденциальные данные с минимальными операционными издержками. Какое решение соответствует этому требованию?

Amazon Macie — это полностью управляемый сервис безопасности данных, который использует машинное обучение для обнаружения конфиденциальных данных в Amazon S3. Он автоматически обнаруживает и классифицирует конфиденциальную информацию, такую как персональные данные (PII), что соответствует требованию обнаружения. Интеграция с AWS Lambda позволяет автоматизировать удаление или маскирование обнаруженных конфиденциальных данных с минимальными операционными издержками. Развертывание модели в Amazon SageMaker или Amazon ECS с AWS Fargate не решает проблему обнаружения конфиденциальных данных напрямую, а создание собственных функций Lambda или заданий AWS Batch для этой цели требует значительных усилий по разработке и поддержке. Amazon Comprehend предназначен для анализа текста и не является специализированным инструментом для обнаружения конфиденциальных данных в хранилищах, как Macie. Запуск экземпляров EC2 для удаления данных также является менее эффективным и масштабируемым решением по сравнению с Lambda.