一家金融服務公司正在採用 SageMaker，並擔心資料外洩的問題。ML 工程師可以使用哪些機制來控制 SageMaker 的資料外流？(請選擇三項。)

使用 VPC 界面端點 (AWS PrivateLink) 可確保 SageMaker API 流量透過 AWS 網路而非公用網際網路傳輸，從而降低資料外洩風險。為訓練任務和部署的模型啟用網路隔離，可將 SageMaker 容器與網際網路隔離，防止未經授權的連線。限制 SageMaker 筆記本的預簽章 URL 只能從公司允許的 IP 位址使用，可確保只有來自受信任網路的員工才能存取筆記本。服務控制政策 (SCP) 限制的是帳戶層級的權限，而非資料外流機制。停用根目錄存取權限是安全最佳實踐，但並非直接的資料外流控制。加密資料和使用 KMS 管理金鑰是資料保護措施，但本身無法阻止資料外流。