AWS AI Practitioner 30 Security and Privacy

Threat Detection 

- 페이크 컨텐츠 조종된 데이터 자동 어택

- AI 베이스의 감지 시스템을 전개

- 네트워크 트래픽 / 사용자 행동 / 기타 관련 데이터 소스를 분석함

 

Vulnerability Management 

- Vulnerability를 감지함 ; 소프트웨어 버그 / 모델 취약점

- 보안 평가 / 페네트레이션 테스팅 / 코드 리뷰 

- 패치 관리 / 업데이트 

 

Infra Protection 

- 클라우드 컴퓨팅 플랫폼 / 엣지 디바이스 / 데이터 스토어

- 접근 제어 / 네트워크 세그멘테이션 / 암호화 

- 시스템다운 Withstand 

 

Prompt Injection 

- 매니풀레이티드 인풋 -> 악의적이거나 원하지 않는 컨텐츠 

- 가드레일 / 프롬프트 필터링, 검증. sanitization 

 

Data Encryption

- 트랜짓과 전후 암호화 

- 암호키 관리 필요 

 

Montoring AI System 

Performance Metrics 

- Model Accuracy ; 포지티브 예측의 비율

- Precision ; 트루 포지티브의 포지티브에 대한  비율

- Recall ; 트루 포지티브의 실제 포지티브에 대한 비율

- FI Score ; Precision과 Recall의 평균

- Latency 

 

Infra Monitoing

- Compute Resource

- Network Performance

- Storage

- System logs

 

Bias & Fairness / Compliance and Responsible AI 도 모니터링 함 

 

AWS  Shared Responsibility Model

- Security of Cloud ; AWS 

- Security in Cloud ; -> Customer's responsibility 

  ; 데이터 관리 / 액세스 컨트롤/ 가드레일 / 암호화 등 

- Shared Responsibility ; 패치 관리 / 컨피규레이션 관리 / Awarness 와 트레이닝 

 

안전한 데이터 엔지니어링 예시 

- 데이터 품질 평가 

 - completeness ; 다양성과 이해가능한 범위의 시나리오들

 - accuracy ; 최신의 / 대표할 수 있는

 - Timeliness; 데이터 저장소에서의 기간

 - Consistency ; 데이터 라이프 사이클에서의 일관성과 이해도 유지 

 - 데이터 프로파일링과 모니터링 

 - 데이터 Lineage 

 

- Privacy 인핸싱 기술 

 - 데이터 마스킹 / 데이터 obfuscation 

 - 암호화 / 토크나이제이션

 

- 데이터 접근 제어 

 

- 데이터 무결성

 - 에러와 비지속성에 대해서 완전하고 지속성있으며 자유로워야 함 

- 강건한 데이터 백업과 리커버리 전략

- 데이터 lineage 관리 / audit trails 

- 무결성 제어 테스트 및 모니터링