地端部署的模型使用儲存在 Amazon S3 中的資料，並處理敏感資訊，以在混合雲設定中驅動即時對話引擎。ML 工程師必須以最少的操作負擔偵測並移除敏感資料。哪種解決方案符合此要求？

正確答案是使用 Amazon Macie 探索敏感資料，並呼叫 AWS Lambda 函數來移除敏感項目。Amazon Macie 是一項完全託管的資料安全和隱私服務，它使用機器學習來發現和保護敏感資料。它可以自動識別 Amazon S3 中的敏感資料，例如個人身份資訊 (PII)。結合 AWS Lambda 函數，可以自動化敏感資料的移除過程，以最少的操作負擔滿足要求。 將模型部署在 Amazon SageMaker 或 Amazon ECS 上並使用 Lambda 函數或 AWS Batch 任務來偵測和清除敏感資料，會增加操作複雜性，因為需要自行開發和維護敏感資料偵測邏輯。使用 Amazon Comprehend 識別敏感資料是可行的，但啟動 Amazon EC2 實例來執行移除會增加額外的管理負擔和成本，不如 Lambda 函數的無伺服器方法高效。