Bonne réponse
- CAssocier un compte de service personnalisé à la tâche d'entraînement Vertex AI qui possède les rôles Storage Object Viewer et Storage Object Creator sur le bucket, et laisser le service Vertex AI Training utiliser automatiquement les identifiants du compte de service.
Explication
L'approche correcte consiste à associer un compte de service personnalisé doté de rôles Cloud Storage à privilèges minimum à la tâche d'entraînement Vertex AI. Les tâches d'entraînement Vertex AI utilisent automatiquement les identifiants du compte de service associé via le serveur de métadonnées, aucun fichier de clé n'est donc nécessaire. Cela garantit une authentification sécurisée à courte durée de vie et suit les meilleures pratiques de Google Cloud en matière de contrôle d'accès.
Pour aller plus loin
Les tâches d'entraînement personnalisé Vertex AI s'exécutent avec une identité de compte de service. Si vous spécifiez un compte de service géré par l'utilisateur lors de la création de la tâche, le conteneur d'entraînement reçoit automatiquement des identifiants à courte durée de vie via le serveur de métadonnées de l'environnement, et les bibliothèques clientes Google Cloud, telles que google-cloud-storage, ou le montage gcsfuse sur /gcs/, les récupèrent via les identifiants par défaut de l'application (Application Default Credentials) sans fichier de clé ni modification de code. Attribuer à ce compte de service uniquement ce dont la tâche a besoin, Storage Object Viewer pour lire le CSV et Storage Object Creator pour écrire l'artefact du modèle, accordés sur le bucket spécifique plutôt que sur le projet, respecte le principe du moindre privilège, et les actions de la tâche sont attribuables à une identité dédiée dans les journaux d'audit. C'est l'option C. L'utilisateur ou le pipeline lançant la tâche a également besoin de l'autorisation 'iam.serviceAccounts.actAs', via le rôle Service Account User, sur ce compte de service. Les autres options sont plus faibles. S'appuyer sur le compte de service par défaut (option A) fonctionne par défaut, mais les comptes par défaut ont tendance à avoir de larges autorisations et sont partagés par de nombreuses charges de travail, ce qui va à l'encontre du moindre privilège, et le rôle Vertex AI Service Agent est destiné au propre agent de service de Google, et non à votre code d'entraînement. Le rôle Éditeur (option B) accorde un large accès en écriture sur l'ensemble du projet, bien au-delà de la lecture et de l'écriture d'un seul bucket. Une clé de compte de service (option D) est un identifiant à long terme qui peut fuiter, nécessite une rotation et est exactement ce que la question cherche à éviter ; Google recommande d'éviter les fichiers de clé partout où des identités associées ou la fédération d'identités de charges de travail sont possibles, et de nombreuses organisations bloquent la création de clés par une politique d'organisation. Le même modèle s'applique à d'autres services Google Cloud qui exécutent votre code.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement PMLE 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.