ある金融機関のMLOpsチームが、本番のSageMakerエンドポイントを運用しています。コンプライアンス要件として、誰がいつエンドポイント設定の変更やモデルのデプロイを行ったか、すべてのAPI操作の監査証跡を改ざん困難

Question

ある金融機関のMLOpsチームが、本番のSageMakerエンドポイントを運用しています。コンプライアンス要件として、誰がいつエンドポイント設定の変更やモデルのデプロイを行ったか、すべてのAPI操作の監査証跡を改ざん困難な形で長期保管する必要があります。最も適切なソリューションはどれですか。

Accepted Answer

正解: CloudTrail で SageMaker のAPI操作を記録し、ログをS3バケットに配信してオブジェクトロックで保護する。誰がいつどのAPIを呼んだかという操作監査証跡には AWS CloudTrail が適切。
SageMaker の CreateEndpointConfig・UpdateEndpoint・CreateModel などの管理API呼び出しを記録し、ログをS3に配信する。
S3 のオブジェクトロック（WORM）を併用すれば改ざん困難な形で長期保管でき、コンプライアンスの監査要件を満たせる。

選択肢Bの Model Monitor はデータ/モデル品質のドリフト監視が目的で、誰が操作したかのAPI監査は行わない。
選択肢Cの CloudWatch Logs はアプリケーション/推論ログ向けで、API呼び出し者を記録する監査証跡としては不十分であり、改ざん防止の仕組みも弱い。
選択肢Dの SageMaker Experiments は実験・学習のメタデータ追跡用で、本番API操作の監査ログ用途ではない。

Answer

SageMaker Model Monitor を有効化してエンドポイントの推論ログを収集する — Model Monitorは推論データやモデル品質のドリフト検知が目的で、誰がいつ設定変更したかというAPI操作の監査証跡は提供しないため要件を満たさない。

Answer

CloudWatch Logs にアプリケーションログを出力し、ロググループの保持期間を無期限に設定する — CloudWatch Logsはアプリケーション/推論ログ向けで、API呼び出し元の特定や改ざん防止（WORM）の仕組みが弱く、コンプライアンス監査の証跡としては不十分。

Answer

SageMaker Experiments で各デプロイのメタデータを追跡する — SageMaker Experimentsは学習試行のパラメータやメトリクスのメタデータ追跡用であり、本番運用のAPI操作監査ログを残す用途ではないため不適切。

解説