DifficileChoix unique

Question d'entraînement MLA-C01

Le pipeline de ML d'une entreprise s'exécute dans plusieurs comptes AWS (dev, test, prod). Ils souhaitent s'assurer que seuls les modèles approuvés d'un Model Registry central peuvent être déployés sur le compte de production. Quelle combinaison de services est LA PLUS appropriée pour mettre en œuvre cette gouvernance ?

Choisissez la meilleure réponse.

Bonne réponse

  • DAWS Organizations avec des SCP, AWS CodePipeline avec des actions inter-comptes et SageMaker Model Registry avec le statut d'approbation.

Explication

Il associe AWS Organizations avec des SCP pour appliquer des politiques de déploiement inter-comptes, AWS CodePipeline avec des actions inter-comptes pour orchestrer le pipeline à travers les comptes dev/test/prod, et SageMaker Model Registry avec un statut d'approbation pour limiter les déploiements aux seuls modèles approuvés. Cela garantit que seuls les modèles ayant le statut 'Approved' dans le registre central peuvent être déployés sur le compte de production, répondant ainsi à l'exigence de gouvernance.

Pourquoi chaque option est juste ou fausse

A

Fausse

AWS Config, Amazon GuardDuty et AWS Security Hub.

Config, GuardDuty et Security Hub détectent et signalent les dérives, menaces et résultats ; aucun ne bloque un appel de déploiement. L'application nécessite une condition IAM/SCP liée à l'état d'approbation du Model Registry. Ces services conviennent à l'audit de conformité continue et à la détection des menaces, et non aux portes d'autorisation préalables au déploiement.

B

Fausse

Amazon API Gateway, AWS Step Functions et Amazon DynamoDB.

API Gateway, Step Functions et DynamoDB peuvent orchestrer un flux de travail d'approbation et stocker l'état, mais ils se trouvent en dehors du chemin de déploiement, de sorte qu'un appel direct SageMaker CreateModel les contourne. Ils conviennent à la création d'un portail d'approbation personnalisé, et non à l'application d'une autorisation de déploiement inter-comptes.

C

Fausse

AWS Service Catalog, AWS KMS et AWS CloudTrail.

Service Catalog régit les produits provisionnés, KMS chiffre les artefacts et CloudTrail enregistre l'activité des API après coup. Aucun ne évalue l'état d'approbation du Model Registry au moment de CreateModel. Cette combinaison convient au contrôle du provisionnement au niveau du portefeuille et aux pistes d'audit, et non au blocage du déploiement de modèles non approuvés.

D

Juste

AWS Organizations avec des SCP, AWS CodePipeline avec des actions inter-comptes et SageMaker Model Registry avec le statut d'approbation.

Les SCP dans AWS Organizations garantissent que seuls les modèles de registre approuvés sont déployés en production, tandis que les actions inter-comptes de CodePipeline déplacent les artefacts entre les comptes. Le statut d'approbation du Model Registry contrôle le déploiement, répondant à la contrainte de gouvernance centrale sur les comptes dev, test et prod.

E

Fausse

AWS CloudFormation StackSets, Amazon EventBridge et AWS Lambda.

StackSets, EventBridge et Lambda peuvent réagir à des événements et déployer des modèles, mais ils agissent après ou parallèlement au déploiement plutôt que de le refuser. Un principal peut toujours appeler CreateModel directement. Cela convient au déploiement d'infrastructure automatisé inter-comptes, et non à l'application d'une autorisation liée à l'approbation du registre.

Pour aller plus loin

La gouvernance ML inter-comptes est appliquée en combinant une politique organisationnelle avec des contrôles de pipeline et des métadonnées de modèles. Les politiques de contrôle de service (SCP) d'AWS Organizations définissent la limite externe, empêchant le compte de production de déployer des artefacts non approuvés même si quelqu'un essaie. Un CodePipeline inter-comptes peut extraire un package de modèle approuvé du Model Registry central, où le statut d'approbation sert de barrière, et ne le promouvoir que lorsque ce statut est Approved. La subtilité réside dans le fait que les SCP seules ne peuvent pas exprimer la qualité du modèle ; elles restreignent les actions, tandis que l'approbation du registre porte l'accord humain ou automatisé. Un scénario réaliste est celui d'une équipe réglementée qui doit prouver que seuls les modèles validés atteignent la production : le pipeline refuse de déployer un package dont le statut de registre est PendingManualApproval, et la SCP bloque toute tentative de contournement du pipeline.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement MLA-C01 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.