金融機関がAmazon SageMakerで複数のクレジットリスク予測モデルを開発しています。規制当局のコンプライアンス要件として、①モデルは本番デプロイ前にリスク管理チームの明示的な承認が必要、 ②各モデルバージョンの承認・却下の記録（承認者情報・タイムスタンプ含む）を保持する、 ③承認されていないモデルバージョンは本番環境へ自動デプロイできないようにする、という3点が求められています。これらの要件を最も効果的に満たすAWSのサービス・機能はどれですか？
Amazon SageMaker Model Registryは、MLモデルのバージョン管理・メタデータ管理・承認ワークフローを提供します。モデルを「PendingManualApproval」状態で登録し、承認者が「Approved」または「Rejected」に変更することで承認プロセスを実装できます。SageMaker Pipelines等のCI/CD（継続的インテグレーション/継続的デリバリー）と統合することで、Approvedのモデルのみが本番デプロイされるよう自動制御でき、承認者・タイムスタンプの記録も保持されます。 選択肢AのAmazon SageMaker Model Monitorは本番デプロイ済みモデルの予測品質やデータドリフトを継続監視するサービスであり、デプロイ前の承認ゲートには対応していません。 選択肢CのAWS CloudTrailはAPIコールの監査ログを記録しますが、誰が何を操作したかの証跡を残すだけで、未承認モデルのデプロイをブロックする機能はありません。 選択肢DのAmazon SageMaker Experimentsは実験ごとのハイパーパラメータ・メトリクスをトラッキングするサービスであり、承認ワークフロー機能はありません。