AWS認定資格 WEB問題集＆徹底解説
会員登録/ログイン

生成AIデベロッパー-プロフェッショナル

正解 B,D問題

分野3：AI の安全性、セキュリティ、ガバナンスタスクステートメント3.3：AI ガバナンスとコンプライアンス機構の実装タスクステートメント3.4：責任ある AI 原則の実装

1 2 3 4

次の問題前の問題

問題文と選択肢

ある携帯電話キャリアは、料金プランや契約内容を説明するAmazon Bedrockベースの生成AIチャットボットをカスタマーサポート向けに展開している。厳格な消費者保護規制に対応するため、次の2つのガバナンス課題について、継続的な監視と自動的な是正の仕組みが求められている。

- 誤用の是正: 特定の利用者がAmazon Bedrock Guardrailsの「暴力的コンテンツ」フィルタを1分間に4回以上トリガーした場合、その利用者のアクセスを即座かつ自動的に停止しなければならない。
- バイアス監視: モデルの応答が、事前に用意した「基準応答セット」と比較して、特定の属性層に対して統計的に偏った用語を使うようになっていないかを、時間の経過とともに継続的に監視しなければならない。

これらの要件を満たす仕組みの組み合わせはどれか。(2つ選択)

Amazon Comprehendのカスタム分類機能を使い、1時間ごとに起動するAWS Lambda関数でBedrockの推論ログをスキャンし、ネガティブな感情を含む応答をバイアスの兆候としてフラグ付けする。検出結果はAmazon S3に書き出し、四半期ごとに人手でレビューする
Amazon Bedrock GuardrailsのInvocationsIntervenedメトリクスを利用者IDのカスタムディメンション付きでAmazon CloudWatchに発行し、1分あたりの合計が4以上でアラーム状態になるCloudWatchアラームを作成する。アラームアクションとしてAWS Lambda関数を起動し、該当利用者のAPIキーまたはセッショントークンを失効させる
aws.bedrock.GuardrailBlockedというイベントパターンに一致するAmazon EventBridgeルールを設定し、ターゲットとしてAWS Systems Managerのオートメーションを実行し、IDプロバイダー側でアカウントを無効化する
定期実行するAWS Step Functionsワークフローを構成し、Amazon S3に蓄積された推論ログをAmazon SageMaker Clarifyで分析する。基準応答セットに対するバイアス指標を算出し、結果をAmazon CloudWatchに発行する
推論ログを格納するAmazon S3バケットでAmazon Macieを有効化し、「偏った用語」用のカスタムデータ識別子を設定して、非準拠と判定されたログを自動的に削除するリメディエーションジョブを構成する

解説頻出度★★★★★

この問題は、「回数のしきい値で即座に自動遮断する」要件と「基準応答セットと比較してバイアスを継続監視する」要件をそれぞれ別のサービスに割り当てる問題で、頻度条件は CloudWatch アラーム、バイアス指標は SageMaker Clarify という対応付けができるかがポイント

A. Amazon Comprehendのカスタム分類機能を使い、1時間ごとに起動するAWS Lambda関数でBedrockの推論ログをスキャンし、ネガティブな感情を含む応答をバイアスの兆候としてフラグ付けする。検出結果はAmazon S3に書き出し、四半期ごとに人手でレビューする

Amazon Comprehend の感情分析やカスタム分類が判定できるのは「否定的な文面か」「どのクラスに属するか」であって、特定の属性層に対して用語の使い方が統計的に偏っているかではない。ネガティブな感情をバイアスの兆候と見なす発想自体が要件とずれている。
さらに問題文が求めているのは「基準応答セットとの比較」だが、この案には比較対象となるベースラインが存在しない。
検出結果を四半期ごとに人手でレビューする運用も、継続的な監視と自動的な是正という前提を満たさない。

正解

B. Amazon Bedrock GuardrailsのInvocationsIntervenedメトリクスを利用者IDのカスタムディメンション付きでAmazon CloudWatchに発行し、1分あたりの合計が4以上でアラーム状態になるCloudWatchアラームを作成する。アラームアクションとしてAWS Lambda関数を起動し、該当利用者のAPIキーまたはセッショントークンを失効させる

正解（誤用の是正）。Amazon Bedrock Guardrails は名前空間 AWS/Bedrock/Guardrails に、ガードレールが介入した回数を示す InvocationsIntervened メトリクスを発行する。利用者 ID をカスタムディメンションとして付与すれば、利用者ごとの介入回数を個別に追跡できる。
CloudWatch アラームは評価期間 60 秒・統計 Sum・しきい値 4 以上と設定するだけで「1 分間に 4 回以上」という頻度条件をそのまま表現できる。
アラームアクションから AWS Lambda を起動して API キーやセッショントークンを失効させれば、人手を介さず即座かつ自動的にアクセスを停止できる。要件の 2 つの動詞（検知と是正）が 1 本の経路でつながる唯一の案である。

C. aws.bedrock.GuardrailBlockedというイベントパターンに一致するAmazon EventBridgeルールを設定し、ターゲットとしてAWS Systems Managerのオートメーションを実行し、IDプロバイダー側でアカウントを無効化する

Amazon EventBridge のルールは個々のイベントに対して 1 対 1 で発火する仕組みであり、「1 分間に 4 回以上」という頻度のしきい値を数える機能を持たない。1 回目の違反でいきなりアカウントを無効化してしまい、要件と挙動が異なる。
加えて Amazon Bedrock は、ガードレールの介入をリアルタイムのイベントとして EventBridge に発行しない。aws.bedrock.GuardrailBlocked というイベントは存在しないため、ルール自体が発火しない。
もっともらしいイベント名で作られた典型的なディストラクタである。

正解

D. 定期実行するAWS Step Functionsワークフローを構成し、Amazon S3に蓄積された推論ログをAmazon SageMaker Clarifyで分析する。基準応答セットに対するバイアス指標を算出し、結果をAmazon CloudWatchに発行する

正解（バイアス監視）。Amazon SageMaker Clarify は、データやモデル出力に対して属性層ごとの偏りを示すバイアス指標を算出できる。基準応答セットをベースラインとして与えれば、現在の応答がそこからどれだけ偏ったかを定量化できる。
AWS Step Functions で定期実行すれば、Amazon S3 に蓄積された推論ログを継続的に評価でき、時間の経過に伴うバイアスドリフトを追跡するという要件に合致する。
算出した指標を Amazon CloudWatch に発行しておけば、ダッシュボード化とアラーム化まで同じ経路でつながる。

E. 推論ログを格納するAmazon S3バケットでAmazon Macieを有効化し、「偏った用語」用のカスタムデータ識別子を設定して、非準拠と判定されたログを自動的に削除するリメディエーションジョブを構成する

Amazon Macie は S3 上の機密データ（PII など）の検出を目的としたサービスであり、応答の用語が属性層に対して偏っているかを統計的に評価する機能はない。
カスタムデータ識別子は正規表現による文字列の一致にすぎず、「基準応答セットと比較した統計的な偏り」を測る手段にならない。
さらに非準拠と判定したログを自動削除するのは、規制対応で最も重要な監査証跡を自ら破壊する行為であり、コンプライアンス上むしろ有害である。

これだけ覚える（記憶フック）
「N 回／分で遮断」は CloudWatch アラーム、「バイアスを継続監視」は SageMaker Clarify。

正解への思考ルート

問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。

要件	判断ポイント
Guardrails のフィルタを1分間に4回以上トリガーしたら遮断（頻度のしきい値）	回数を期間で数えられるのはCloudWatch アラーム（期間 60 秒・統計 Sum・しきい値 4）。EventBridge は 1 イベント 1 発火で回数を数えられない →選択肢（B）が正解／選択肢（C）を消す
停止は「即座かつ自動的」であること	アラームアクションから Lambda を起動してトークンを失効させれば人手が介在しない。人手レビュー前提の案は要件外 →選択肢（A）を消す
基準応答セットと比較して統計的な偏りを測る	ベースラインとの比較でバイアス指標を出せるのは Amazon SageMaker Clarify。感情分析や正規表現一致では測れない →選択肢（D）が正解／選択肢（A・E）を消す
時間の経過とともに継続的に監視する	Step Functions の定期実行＋ CloudWatch へのメトリクス発行で時系列のドリフトを追える。四半期ごとの人手レビューは「継続的」ではない →選択肢（D）が正解
規制対応（消費者保護）としての妥当性	監査証跡である推論ログを自動削除する構成はコンプライアンス上むしろ有害 →選択肢（E）を消す

ひっかけポイント

選択肢 C の aws.bedrock.GuardrailBlocked はいかにも実在しそうなイベント名だが、Amazon Bedrock はガードレール介入を EventBridge イベントとして発行しない。加えて「4 回以上」という回数条件を EventBridge では数えられない
「即座に」という語だけを見て EventBridge（イベント駆動）を選びたくなるが、本問の条件は回数の集計を伴う。集計が要るならメトリクスとアラームの世界
選択肢 A の Amazon Comprehend は感情のネガティブさをバイアスと取り違えさせる罠。ネガティブな応答＝差別的な偏りではない。さらに「四半期ごとに人手でレビュー」の一句だけでも自動是正の要件から外れる
選択肢 E の Amazon Macie は機密データ検出の道具であってバイアス検出用ではない。「カスタムデータ識別子＝どんな用語でも検出できる」と読み替えてしまうと引っかかる

出題バリエーション

同じ知識が本番では条件を変えて出題されます。

問題文がこう変わったら	正解はこう変わる
「Guardrails の介入があった1 回目からただちにブロックしたい」	回数集計が不要になるため、EventBridge ＋ Lambda のイベント駆動が正解軸になり得る。
「介入の詳細な内容（どのフィルタ・どのプロンプト）まで調査したい」	メトリクスでは足りず、Amazon Bedrock のモデル呼び出しログ（CloudWatch Logs / S3）の分析が正解軸に。
「複数の FM 候補について応答品質と有害性を評価して選定したい」	Amazon Bedrock Model Evaluations（人間評価／LLM-as-a-judge）が正解軸に。
「推論ログに含まれる個人情報を検出・保護したい」	今度こそ Amazon Macie（および Amazon Comprehend の PII 検出、Guardrails の機密情報フィルタ）が正解になる。
「有害な入力そのものをモデルに届く前に止めたい」	監視ではなく Amazon Bedrock Guardrails のコンテンツフィルタ（入力側）の設定強化が正解軸に。

AWS認定資格 WEB問題集＆徹底解説
会員登録/ログイン

C. aws.bedrock.GuardrailBlockedというイベントパターンに一致するAmazon EventBridgeルールを設定し、ターゲットとしてAWS Systems Managerのオートメーションを実行し、IDプロバイダー側でアカウントを無効化する

D. 定期実行するAWS Step Functionsワークフローを構成し、Amazon S3に蓄積された推論ログをAmazon SageMaker Clarifyで分析する。基準応答セットに対するバイアス指標を算出し、結果をAmazon CloudWatchに発行する

E. 推論ログを格納するAmazon S3バケットでAmazon Macieを有効化し、「偏った用語」用のカスタムデータ識別子を設定して、非準拠と判定されたログを自動的に削除するリメディエーションジョブを構成する

次の問題 前の問題

会員機能

お役立ち情報

姉妹サイト

アンケート

サイト情報