AIP基盤モデルの統合、データ管理、コンプライアンス
金融サービス企業がAmazon Bedrock Knowledge Basesを活用した顧客サポートシステムを運用中です。ナレッジベース内の文書には顧客の口座番号・社会保障番号（SSN）が含まれており、モデルがこれらをレスポンスに含める事象が発生しています。既存のデータ取り込みパイプラインを変更せず、モデルの入出力からPIIをリアルタイムにマスキングしてコンプライアンス違反を防ぐ方法として最も適切なものはどれですか。
AAmazon Comprehendのリアルタイム検出をレスポンス後のLambda関数で実行し、PIIを検出・置換してからクライアントへ返す処理を追加する
Amazon Comprehendのレスポンス後処理はモデル出力のPIIマスキングには対応するが、モデルへの入力段階でのマスキングができないため対策として不完全となる。
BAmazon Bedrock GuardrailsのPII匿名化ポリシーで口座番号・SSNを設定し、モデルの入力と出力のマスキングをリアルタイムで適用する
✓ 正解
Amazon Bedrock GuardrailsのPII匿名化機能はパイプライン変更不要で、モデルの入力と出力の両方に対してリアルタイムのマスキングを適用できる。
CAmazon MacieをソースS3バケットに設定してPIIを定期スキャンし、検出された文書をナレッジベースから除外して再インデクシングを行う
Amazon Macieは保管データのPII検出には有効だが、リアルタイムのモデル出力マスキングは行えず、パイプラインの変更も必要となるため要件を満たせない。
DKnowledge Basesのデータ変換カスタムLambdaを導入してPIIを取り込み前に除去し、PIIフリーな文書のみをベクターストアに格納するパイプラインを再構築する
カスタムLambdaによる取り込み前PIIフリー化はデータパイプラインの変更を伴い、「パイプラインを変更せずに」という要件に反するため不適切。
解説
Bedrock GuardrailsのPII匿名化ポリシーはデータパイプライン変更不要で、モデルへの入力と出力の両方にリアルタイムでマスキングを適用できる。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIPを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →