AWS認定資格 WEB問題集＆徹底解説
AIプラクティショナー（AWS Certified AI Practitioner）
解説
A: 正解。Amazon Bedrock ガードレールは、モデルの出力から機密情報や不適切なコンテンツを検出し、フィルタリングするための効果的なツールです。これにより、トレーニングデータに含まれる機密情報がモデルの応答に漏れることを防ぐことができます。
B: 不正解。Amazon SageMakerへの切り替えは過剰な対応であり、既存のモデルを完全に再構築する必要があります。これは時間とリソースの無駄であり、必ずしも機密情報の漏洩を防ぐ保証はありません。
C: 不正解。モデルを削除し、データをクリーンアップして再トレーニングすることは可能ですが、時間がかかり非効率的です。また、機密情報を完全に削除することが困難な場合もあります。
D: 不正解。モデルの応答を暗号化することは、エンドユーザーがその情報を利用することを困難にし、モデルの実用性を損なう可能性があります。また、暗号化自体が機密情報の存在を示唆する可能性があります。
Amazon SageMaker
B: 不正解。Amazon SageMakerへの切り替えは過剰な対応であり、既存のモデルを完全に再構築する必要があります。これは時間とリソースの無駄であり、必ずしも機密情報の漏洩を防ぐ保証はありません。
C: 不正解。モデルを削除し、データをクリーンアップして再トレーニングすることは可能ですが、時間がかかり非効率的です。また、機密情報を完全に削除することが困難な場合もあります。
D: 不正解。モデルの応答を暗号化することは、エンドユーザーがその情報を利用することを困難にし、モデルの実用性を損なう可能性があります。また、暗号化自体が機密情報の存在を示唆する可能性があります。
関連サービスの解説
Amazon BedrockAmazon SageMaker
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 92%
No.9 解説
ある企業がAmazon Bedrock上で基盤モデルをファインチューニングしましたが、ファインチューニングに使用されたトレーニングデータには一部機密情報が含まれています。同社は、カスタマイズされたモデルの応答にこの機密情報が含まれないようにして、データのプライバシーとセキュリティを維持したいと考えています。この目標を達成するための最も効率的なアプローチは何ですか？
- Amazon Bedrock ガードレールを活用してモデル応答から機密情報をマスクするべきです
- Amazon BedrockをAmazon SageMakerと交換し、Amazon SageMakerの組み込みアルゴリズムを使用してモデルを再構築するべきです
- カスタマイズされたモデルを削除し、トレーニングデータから機密情報を削除して、モデルを再度ファインチューニングするべきです
- モデルの応答内の機密情報を保護するために暗号化を使用すべきです