Instiq
第1章 · 機械学習ソリューションの設計と準備·v2.0.0·更新 2026/6/3·読了目安 約8分

変更要約: DP-100 第1章を深掘り（図ja化・比較表/シナリオ/FAQ/ひっかけ/深掘り段落を全節に追加）

1.3セキュリティとコスト・コンピューティングの管理

この節の要点

Azure ML の運用面——認証/アクセス（Entra/RBAC・マネージド ID）、シークレット（Key Vault）、ネットワーク、コンピューティングのコスト管理、クォータ——を理解します。安全かつ効率的に ML を運用します。

ML 基盤も安全に保護し、コストを管理する必要があります。Azure ML は Entra/RBAC やマネージド ID、Key Vault、コンピューティングのオートスケールで対応します。

1.3.1セキュリティとコスト管理

Azure ML の運用を3領域で示し、アクセス制御（Microsoft Entra 認証＋RBAC ロール・ジョブやエンドポイントはマネージド ID で他リソースへアクセス）、シークレット（接続文字列やキーを Key Vault に保管）、コンピューティングのコスト管理（クラスターのオートスケール・アイドル時 0 ノード・クォータ管理・低優先度VM）を並べた図。
Azure ML の運用
  • アクセス制御：Microsoft Entra 認証＋RBAC ロール。ジョブ/エンドポイントはマネージド IDで他リソースへアクセス。
  • シークレット：接続文字列やキーを Key Vault に保管し、コードに直書きしない。
  • コスト管理：クラスターのオートスケール（アイドル時 0 ノード）・クォータ・低優先度 VM でコストを抑える。
  • ネットワーク：必要に応じてプライベートエンドポイントでワークスペースを分離する。
試験ポイント

「アクセス＝Entra/RBAC＋マネージド ID」「シークレット＝Key Vault」「学習コスト削減＝クラスターのオートスケール/0 ノード/低優先度 VM」「割当上限＝クォータ」 は DP-100 で頻出です。マネージド ID を使えばジョブが資格情報を持たずデータやレジストリにアクセスできます。

アクセス制御は Microsoft Entra 認証 ＋ RBAC（AzureML Data Scientist・AzureML Compute Operator などの組み込みロール、必要ならカスタムロール）で最小権限を付与します。ジョブやエンドポイントは マネージド ID（システム/ユーザー割り当て）で、資格情報を持たずにデータストアやレジストリ、Key Vault にアクセスします。シークレット（接続文字列・API キー）は Key Vault に保管し、データストアの認証もこれで管理（コード直書きは禁物）。ネットワークは マネージド VNet や プライベートエンドポイント でワークスペースとコンピューティングを分離できます。コスト最適化は学習が中心：クラスターのオートスケール（アイドル時 0 ノード）・低優先度（Spot）VM（中断あり・安価）・適切な VM サイズ/GPU 選択・クォータ（サブスク/リージョン単位の上限）管理・不要なコンピューティングインスタンスの停止。監視は Application Insights・メトリックで利用とコストを把握します。これらは AZ-104/AZ-500 の Azure 一般原則と重なりますが、DP-100 ではML リソース固有（コンピューティング/データストア/レジストリ）の権限とコストが問われます。

観点手段ポイント
認証/認可Entra ＋ RBAC（組み込みロール）最小権限
リソースアクセスマネージド ID資格情報を持たない
シークレットKey Vault直書き禁止
学習コストオートスケール/Spot/クォータアイドル時 0 ノード
補足

シナリオ： 学習ジョブが Storage と Key Vault のシークレットにアクセスする必要があるが、コードに資格情報を置きたくない。→ ワークスペース/コンピューティングにマネージド ID を付与し、Storage と Key Vault に RBAC で必要最小限のロールを割り当て。接続情報はデータストア（裏で Key Vault）に集約。学習はオートスケールのクラスターで実行し、アイドル時は 0 ノードに縮小します。

補足

FAQ： Q. ジョブが他リソースへアクセスする最も安全な方法は？ → A. マネージド ID＋RBAC。資格情報をコードに置かずに済みます。Q. 学習コストを下げるには？ → A. クラスターのオートスケール（アイドル 0 ノード）、低優先度（Spot）VM、適切な VM/GPU サイズ、クォータ管理、未使用インスタンスの停止です。

注意

ひっかけ： 「ジョブからの安全なアクセスにはキーをコードに直書きするのが手軽で良い」は誤りです。資格情報は持たず マネージド ID＋RBAC、シークレットは Key Vault。また「コスト削減のため学習クラスターを常時起動」も誤り（アイドル時 0 ノードへのオートスケールが基本）。

1.3.2この節のまとめ

  • セキュリティ＝Entra/RBAC・マネージド ID・Key Vault
  • コスト＝オートスケール/0 ノード/低優先度 VM・クォータ

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. Azure ML のジョブが資格情報をコードに持たずにデータやレジストリへアクセスするには何を使いますか？

Q2. 学習に使うコンピューティングクラスターのコストを抑える設定はどれですか？

Q3. 接続文字列やキーを安全に保管したい。Azure ML が連携するサービスはどれですか？

理解度を確認第1章「機械学習ソリューションの設計と準備」の問題を解く