Respuesta correcta
- CAdjuntar una cuenta de servicio personalizada al trabajo de entrenamiento de Vertex AI que tenga los roles Storage Object Viewer y Storage Object Creator en el bucket, y permitir que el servicio Vertex AI Training use las credenciales de la cuenta de servicio automáticamente.
Explicación
El enfoque correcto es adjuntar una cuenta de servicio personalizada con roles de Cloud Storage de mínimo privilegio al trabajo de entrenamiento de Vertex AI. Los trabajos de entrenamiento de Vertex AI utilizan automáticamente las credenciales de la cuenta de servicio adjunta a través del servidor de metadatos, por lo que no se necesitan archivos de claves. Esto garantiza una autenticación segura y de corta duración y sigue las mejores prácticas de Google Cloud para el control de acceso.
Para profundizar
Los trabajos de entrenamiento personalizado de Vertex AI se ejecutan con una identidad de cuenta de servicio. Si especifica una cuenta de servicio administrada por el usuario al crear el trabajo, el contenedor de entrenamiento recibe credenciales de corta duración automáticamente a través del servidor de metadatos del entorno, y las bibliotecas cliente de Google Cloud, como google-cloud-storage, o el montaje de gcsfuse en /gcs/, las recogen mediante las Credenciales Predeterminadas de la Aplicación (Application Default Credentials) sin archivos de claves ni cambios de código. Otorgar a esa cuenta de servicio solo lo que el trabajo necesita, Storage Object Viewer para leer el CSV y Storage Object Creator para escribir el artefacto del modelo, concedidos en el bucket específico en lugar del proyecto, sigue el principio de mínimo privilegio, y las acciones del trabajo se pueden atribuir a una identidad dedicada en los registros de auditoría. Esa es la opción C. El usuario o pipeline que lanza el trabajo también necesita el permiso 'iam.serviceAccounts.actAs', a través del rol Service Account User, en esa cuenta de servicio. Las otras opciones son más débiles. Depender de la cuenta de servicio predeterminada (opción A) funciona de forma predeterminada, pero las cuentas predeterminadas tienden a tener permisos amplios y son compartidas por muchas cargas de trabajo, lo cual va en contra del mínimo privilegio, y el rol Vertex AI Service Agent es para el propio agente de servicio de Google, no para su código de entrenamiento. El rol Editor (opción B) otorga un amplio acceso de escritura en todo el proyecto, mucho más allá de leer y escribir un bucket. Una clave de cuenta de servicio (opción D) es una credencial de larga duración que puede filtrarse, necesita rotación y es exactamente lo que la pregunta quiere evitar; Google recomienda evitar los archivos de claves siempre que sea posible utilizar identidades adjuntas o federación de identidades de cargas de trabajo, y muchas organizaciones bloquean la creación de claves con una política de organización. El mismo patrón se aplica a otros servicios de Google Cloud que ejecutan su código.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de PMLE de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.