이 영역의 마지막 과정에서는 기계 학습(ML) 솔루션에서 AWS 리소스를 보호하는 기술을 익힙니다. 최소 권한의 원칙을 사용하여 보안 제어를 구현하고 ML 시스템과 상호 작용하는 사용자 및 애플리케이션에 대한 AWS Identity and Access Management(AWS IAM) 정책과 역할을 구성합니다. 마지막으로, Amazon SageMaker 보안 및 규정 준수 기능을 살펴보고 회사의 보안 요구 사항을 충족하는 방법을 알아봅니다.
- 과정 수준: 고급
- 소요 시간: 2시간 15분
참고: 이 과정의 동영상에는 한국어 트랜스크립트 또는 자막이 지원되며 음성은 영어로 출력됩니다. 자막을 표시하려면 동영상 화면 우측 하단의 CC 버튼을 클릭하세요.
참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.
활동
- 온라인 자료
- 실습
- 지식 확인 질문
과정 목표
- ML 솔루션을 보호하기 위한 공동 책임 모델을 설명합니다.
- ML 아티팩트에 최소 권한의 원칙을 구현합니다.
- ML 시스템과 상호 작용하는 사용자와 애플리케이션에 IAM 정책 및 역할을 적용합니다.
- SageMaker 엔드포인트에 사용할 Virtual Private Cloud(VPC) 네트워크를 구성합니다.
- ML 시스템을 보호하고 격리할 네트워크 액세스 제어를 구현합니다.
- SageMaker 보안 및 규정 준수 기능을 설명합니다.
- SageMaker 보안 및 규정 준수 기능을 사용하여 보안 문제를 해결하고 디버그합니다.
- 지속적 통합 및 지속적 전달(CI/CD) 파이프라인의 보안 모범 사례를 설명합니다.
수강 대상
- 클라우드 아키텍트
- 기계 학습 엔지니어
권장 기술
- SageMaker 및 기타 AWS 서비스를 ML 엔지니어링에 사용한 1년 이상의 경험
- 백엔드 개발자, DevOps 개발자, 데이터 엔지니어 또는 데이터 과학자 등 관련 역할에서 1년 이상의 경험
- Python 등 프로그래밍 언어에 대한 기본적인 이해
- AWS ML Engineer Associate 학습 플랜의 이전 과정 이수
과정 개요
섹션 1: 소개
- 1강: 본 과정 사용 방법
- 2강: 과정 개요
섹션 2: ML 리소스 보안
- 3강: ML 솔루션의 AWS 리소스 보안
- 4강: 공동 책임 모델
- 5강: IAM을 사용한 액세스 제어 기능
- 6강: 최소 권한의 원칙
- 7강: ML 리소스의 네트워크 액세스 제어
- 8강: 데모: ML 리소스 보안
섹션 3: Amazon SageMaker 규정 준수 및 거버넌스
- 9강: 보안 및 규정 준수 기능
- 10강: 규정 준수 및 거버넌스 기능
섹션 4: CI/CD 파이프라인의 보안 모범 사례
- 11강: CI/CD 파이프라인의 보안 고려 사항
섹션 5: 모니터링, 감사 및 로깅을 통해 보안 및 규정 준수 구현
- 12강: 모니터링 및 로깅을 통해 보안 및 규정 준수 구현
섹션 6: 결론
- 13강: 과정 요약
- 14강: 평가
- 15강: AWS에 문의하기
