変更要約: 初版: ドメイン3（安全性・セキュリティ・ガバナンス）の4節を作成
3.2データセキュリティとプライバシーの制御
FM デプロイのデータ保護を学びます。VPC エンドポイント／IAM／Lake Formation による隔離・アクセス制御、Comprehend／Macie による PII 検出、データマスキング/匿名化、S3 ライフサイクル による保持を扱います。
GenAI は機密データを扱うため、ネットワーク隔離・最小権限・PII 保護が必須です。FM とのやり取りでデータが外部に漏れない設計を徹底します。
3.2.1保護されたAI環境
- VPC エンドポイント：Bedrock 等への通信をプライベートに保ち、インターネットを経由させない。
- IAM／Lake Formation：最小権限のデータアクセスと、きめ細かな（行/列）データガバナンス。
- PII 検出：Amazon Comprehend（PII エンティティ）と Amazon Macie（S3 上の機密データ発見）で個人情報を特定。
- マスキング/保持：データマスキング・匿名化と、S3 ライフサイクル による保持/削除ポリシー。Guardrails の PII フィルタも併用。
「Bedrock へプライベート通信＝VPC エンドポイント」「S3 上の機密データ発見＝Macie」「テキスト中の PII 検出＝Comprehend」「行/列レベルのデータ統制＝Lake Formation」「保持/削除＝S3 ライフサイクル」 は頻出です。Bedrock はデフォルトで顧客データをモデル学習に使いません。
プライバシー保護は「持ち出さない・見せすぎない・残しすぎない」を徹底します。ネットワークは VPC エンドポイント（PrivateLink） で Bedrock/サービスへの通信をプライベート化し、IAM の最小権限と Lake Formation の行/列レベル制御でデータアクセスを絞り、CloudWatch でアクセスを監視。PII は入口/出口の双方で扱い、Amazon Comprehend でテキスト中の PII を検出、Amazon Macie で S3 上の機密データを発見、Bedrock のデータプライバシー機能や Guardrails の PII フィルタで出力をマスク。保存データは S3 ライフサイクル で保持期間/自動削除を定め、匿名化/仮名化で再識別リスクを下げます。Bedrock は既定でプロンプト/応答をモデル学習に使わない点も設計前提です。要は「プライベート経路＋最小権限＋PII 検出/マスク＋保持ポリシー」を組み合わせ、有用性を保ちつつプライバシーを守ります。
| 要件 | 使うもの | ポイント |
|---|---|---|
| プライベート通信 | VPC エンドポイント | インターネットを経由しない |
| S3 の機密データ発見 | Amazon Macie | PII の自動発見/分類 |
| テキストの PII 検出 | Amazon Comprehend | エンティティ抽出 |
| 保持/削除 | S3 ライフサイクル | 期間ベースの自動削除 |
ひっかけ： 「Bedrock に送ったデータは既定でモデル学習に使われるので機密は送れない」は誤りです。Bedrock は既定で顧客のプロンプト/応答を学習に使いません（ただし VPC エンドポイント・最小権限・PII マスク等の保護は別途必要）。また「Macie はテキスト中の PII 検出用」も誤り（Macie は S3 の機密データ発見、テキストの PII は Comprehend）。
3.2.2この節のまとめ
- 隔離＝VPC エンドポイント／統制＝IAM＋Lake Formation／PII＝Comprehend（テキスト）/Macie（S3）
- 出力マスク＝Guardrails PII／保持＝S3 ライフサイクル
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 規制要件により、アプリから Bedrock への通信をインターネットに出さずプライベートに保ちたい。最適なのは？
Q2. RAG の知識ソースに使う S3 バケット群に、個人情報を含む機密データが紛れていないか自動で発見・分類したい。最適なのは？
Q3. FM へ渡すプロンプトや応答に含まれる氏名・住所などの個人情報を検出し、マスクしたい。テキスト中の PII 検出に適すのは？