AIPAIの安全性、セキュリティ、ガバナンス
金融サービス企業が Amazon Bedrock を使用して顧客サポートチャットボットを構築しています。このチャットボットは、社会保障番号・クレジットカード番号・銀行口座情報などの PII（個人識別情報：Personally Identifiable Information）を含む顧客からの問い合わせを処理することがあります。セキュリティチームは、PII がモデル呼び出しログや応答に含まれないよう要求しています。最も包括的な保護を提供するアプローチはどれですか？
ACloudWatch Logs Insights クエリを使用して、ログ保存前に PII をフィルタリングするよう CloudWatch Logs を設定する
CloudWatch Logs Insights クエリを使用してログ保存前に PII をフィルタリングする方式はログ保存後の対処であり、モデル呼び出しログには間に合いません。
BAmazon Bedrock Guardrails で PII エンティティの検出とマスキングを設定し、入力と出力の両方にガードレールを適用する
✓ 正解
Amazon Bedrock Guardrails の PII マスキング機能は API レベルで動作し、モデル呼び出しログが記録される前に PII を検出・マスキングします。入力と出力の両方に適用することで、PII がモデルへ渡される前にも、応答に含まれる場合にも確実に保護されます。
CLambda 関数を実装して、Bedrock 呼び出し前にすべての入力を前処理し、呼び出し後にすべての出力から PII を削除する後処理を行う
Lambda前処理で入力のPIIは除去できますが、BedrockはモデルのレスポンスをLambda後処理より先にログ記録するため、モデルが生成したPIIが呼び出しログの出力側に残るリスクがあります。
DKMS を使用した S3 暗号化で Bedrock モデル呼び出しログを有効化し、IAM ポリシーでログへのアクセスを制限する
KMS を使用した S3 暗号化でモデル呼び出しログを有効化する方式はデータ保護には有効ですが、PII の除去にはなりません。
解説
選択肢BのAmazon Bedrock Guardrails の PII マスキング機能は API レベルで動作し、モデル呼び出しログが記録される前に入力と出力の両方の PII を検出・マスキングします。入力と出力の両方に適用することで最も包括的な保護が実現します。
選択肢AのCloudWatch Logs Insights クエリを使用してログ保存前に PII をフィルタリングする方式はログ保存後の対処であり、モデル呼び出しログには間に合いません。
選択肢CのLambda関数による方式は、入力の前処理でログ上の入力PII保護は可能ですが、Bedrockはモデルの出力をLambdaが後処理する前にログ記録するため、モデルが生成したPIIが呼び出しログの出力側に残ります。またカスタム実装の保守負荷も生じます。
選択肢DのKMS を使用した S3 暗号化でモデル呼び出しログを有効化する方式はデータ保護には有効ですが、PII の除去にはなりません。
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 →