Chuyển đến nội dung chính
ブログコースHL7資格対策ロードマップゲームドメイン私についてMCPNEW
トピック
DevOpsKiến trúc hệ thốngLinuxデータベースプログラミング安全

レッスン11：AIセキュリティ、データプライバシー、コンプライアンス

AI/MLワークロード用IAM。保存時と転送時の暗号化。 Bedrock/SageMaker用VPCエンドポイント。PII検出。 AWSコンプライアンスプログラム。AI用データガバナンス。

AWS上のAIセキュリティレイヤー

AIセキュリティレイヤー：AWS上のネットワーク、ID、データ保護、AI固有の制御

1. AWS上のAIセキュリティ — 概要

AIワークロードには複数レイヤーでのセキュリティが必要です：データ、モデル、インフラストラクチャ、アプリケーション。

AIセキュリティレイヤー：
┌─────────────────────────────────────────┐
│  アプリケーションセキュリティ              │
│  Guardrails、入力検証、                  │
│  プロンプトインジェクション防止            │
├─────────────────────────────────────────┤
│  モデルセキュリティ                       │
│  モデルアクセス制御、バージョニング、      │
│  モデルの完全性、敵対的攻撃防御           │
├─────────────────────────────────────────┤
│  データセキュリティ                       │
│  暗号化、PII処理、データアクセス          │
│  制御、監査ログ                          │
├─────────────────────────────────────────┤
│  インフラストラクチャセキュリティ           │
│  VPC、セキュリティグループ、エンドポイント、│
│  ネットワーク分離、IAM                    │
└─────────────────────────────────────────┘

2. AI/MLワークロード用IAM

2.1. Amazon Bedrock用IAM

権限制御内容
bedrock:InvokeModel特定のFMの呼び出し
bedrock:InvokeModelWithResponseStreamストリーミングモデル呼び出し
bedrock:CreateKnowledgeBaseRAGナレッジベースの作成
bedrock:CreateGuardrail安全ガードレールの作成
bedrock:CreateModelCustomizationJobファインチューニングジョブの開始

2.2. AI用IAMのベストプラクティス

  • 最小権限：ロールごとに必要な権限のみを付与
  • ロールの分離：データサイエンティスト、MLエンジニア、管理者で異なるロール
  • リソースベースポリシー：特定のモデルへのアクセスを制限
  • サービスリンクロール：AWSサービスが必要に応じてロールを引き受ける
  • 条件キー：IP、VPC、時間、MFAで制限

試験のポイント：「Bedrockでチームが使用できる基盤モデルを制限するには？」→ bedrock:InvokeModelと特定モデルのリソースARNを持つIAMポリシー。

3. データ暗号化

3.1. 保存時の暗号化

サービスデフォルト暗号化カスタムキー（KMS）
Amazon BedrockAWSマネージドキーカスタマーマネージドKMSキー
SageMakerトレーニングAWSマネージドキーカスタマーマネージドKMSキー
SageMakerノートブックAWSマネージドキーカスタマーマネージドKMSキー
S3（トレーニングデータ）SSE-S3SSE-KMS、SSE-C
Knowledge BasesベクトルベクトルDBに依存KMS暗号化対応

3.2. 転送時の暗号化

  • すべてのAWS API呼び出しはデフォルトでTLS 1.2+を使用
  • Bedrock API呼び出しは転送時に暗号化
  • SageMakerエンドポイントはHTTPSを使用
  • ノード間トレーニング通信：暗号化済み

3.3. AI用AWS KMS

AWS KMSが必要な場合：
✓ 暗号化キーの管理
✓ キーローテーションポリシー
✓ キー使用のCloudTrail監査
✓ クロスアカウントキー共有
✓ コンプライアンス要件（HIPAA、PCI-DSS）

4. ネットワークセキュリティ

4.1. AIサービス用VPCエンドポイント

VPCエンドポイントを使用すると、AWS AIサービスにプライベートにアクセスでき、トラフィックはインターネットを経由しません。

VPCエンドポイントなし：
VPC内のアプリ → インターネットゲートウェイ → パブリックインターネット → Bedrock API

VPCエンドポイント（PrivateLink）あり：
VPC内のアプリ → VPCエンドポイント → AWSプライベートネットワーク → Bedrock API
                （インターネットなし！）
サービスVPCエンドポイントタイプ
Amazon Bedrockインターフェース（PrivateLink）
SageMaker Runtimeインターフェース（PrivateLink）
SageMaker APIインターフェース（PrivateLink）
Amazon S3ゲートウェイまたはインターフェース

4.2. SageMakerネットワーク分離

  • VPCモード：VPC内でトレーニング/推論を実行
  • ネットワーク分離：コンテナへのインターネットアクセスなし（EnableNetworkIsolation=true）
  • セキュリティグループ：インバウンド/アウトバウンドトラフィックの制御
  • プライベートサブネット：直接的なインターネットアクセスなし

試験のポイント：「Bedrock API呼び出しがパブリックインターネットを経由しないようにするには？」→ Amazon Bedrock用VPCエンドポイント（AWS PrivateLink）。

5. PII検出とデータプライバシー

5.1. PII検出サービス

サービスPII機能データタイプ
Amazon ComprehendPIIエンティティの検出と秘匿化テキスト
Amazon MacieS3バケット内のPIIの発見S3内のファイル
Bedrock GuardrailsFM入出力でのPIIのブロック/匿名化FMプロンプト/レスポンス
AWS Glue DataBrewデータパイプラインでのPII検出構造化データ

5.2. 試験で出る一般的なPIIタイプ

PIIタイプ例
直接識別子氏名、SSN、メール、電話、パスポート番号
金融クレジットカード番号、銀行口座、納税者番号
健康診療記録番号、健康状態（PHI）
位置情報自宅住所、GPS座標
デジタルIPアドレス、デバイスID、ログイン資格情報

6. Amazon Bedrockのセキュリティ

6.1. Bedrockのデータプライバシー

  • データ分離：お客様のデータはベースFMのトレーニングに使用されません
  • データはリージョン内に保持：選択したAWSリージョンで処理
  • カスタムモデル：ファインチューニングしたモデルはアカウントに対してプライベート
  • データ共有なし：プロンプト/レスポンスはモデルプロバイダーと共有されません
  • 暗号化：すべてのデータが保存時と転送時に暗号化

6.2. 監視とログ

サービスログ内容
AWS CloudTrailAPI呼び出し（誰がどのモデルをいつ呼び出したか）
Amazon CloudWatchモデル呼び出しメトリクス（レイテンシー、エラー、トークン）
Bedrockモデル呼び出しログ完全なプロンプトとレスポンス（S3またはCloudWatchへ）

試験のポイント：「どのユーザーがBedrockモデルを呼び出しているか監査するには？」→ CloudTrail。「実際のプロンプトとレスポンスをログに記録するには？」→ Bedrockモデル呼び出しログ。

7. コンプライアンスとガバナンス

7.1. AWSコンプライアンスプログラム

プログラム内容関連AIサービス
SOC 1/2/3セキュリティ制御の監査Bedrock、SageMaker
HIPAAヘルスケアデータの保護SageMaker、Comprehend Medical
GDPREUデータプライバシーすべてのAWSサービス（データレジデンシー）
PCI-DSS決済カードデータのセキュリティSageMaker（制御付き）
FedRAMP米国政府クラウドセキュリティGovCloudリージョン
ISO 27001情報セキュリティ管理Bedrock、SageMaker

7.2. AI用共有責任モデル

お客様の責任（「クラウド内のセキュリティ」）：
├── トレーニングデータの品質とバイアス
├── モデルの選択と評価
├── プロンプト設計とガードレールの設定
├── IAM権限とアクセス制御
├── PII処理とデータ分類
├── アプリケーションレベルのセキュリティ
└── 業界規制への準拠

AWSの責任（「クラウドのセキュリティ」）：
├── 物理インフラストラクチャのセキュリティ
├── ネットワークとハードウェアのセキュリティ
├── ベースFMプロバイダーの管理
├── サービスの可用性と信頼性
├── 暗号化の実装
└── コンプライアンス認証

8. AI用データガバナンス

プラクティスAWSサービス
データカタログAWS Glue Data Catalog
データ分類Amazon Macie
アクセス制御AWS Lake Formation
データリネージュSageMaker MLリネージュトラッキング
データ品質SageMaker Data Wrangler、Glue DataBrew

9. 練習問題

Q1：金融サービス企業がAmazon Bedrockを使用したいが、API呼び出しがパブリックインターネットを経由しないことを要求しています。何を設定すべきですか？

  • A) AWS Direct Connect
  • B) Bedrock用VPCエンドポイント（AWS PrivateLink） ✓
  • C) VPN接続
  • D) CloudFrontディストリビューション

解説：Amazon Bedrock用のVPCインターフェースエンドポイント（PrivateLink）により、VPC内からインターネットを経由せずにプライベート接続が可能になります。

Q2：AWSの共有責任モデルによると、トレーニングデータにバイアスが含まれないことを保証する責任は誰にありますか？

  • A) AWS
  • B) 基盤モデルプロバイダー
  • C) お客様 ✓
  • D) AWSとお客様の両方が均等に

解説：共有責任モデルでは、お客様は「クラウド内のセキュリティ」に責任があります — これにはトレーニングデータの品質、バイアス検出、倫理的なAIプラクティスが含まれます。AWSはインフラストラクチャのセキュリティに責任があります。

Q3：企業がMLトレーニングにデータを使用する前に、どのS3バケットに個人識別情報（PII）が含まれているかを発見する必要があります。どのサービスを使用すべきですか？

  • A) Amazon Comprehend
  • B) Amazon Macie ✓
  • C) Amazon Inspector
  • D) AWS Config

解説：Amazon Macieは機械学習を使用して、Amazon S3バケットに保存された機密データ（PIIを含む）を自動的に検出・分類します。ComprehendはテキストのPIIを検出しますが、MacieはS3レベルの発見用に設計されています。