AWS ML Engineer Associate 4.3 Secure AWS ML Resources (Simplified Chinese)

本领域的最后一门课程以保护机器学习 (ML) 解决方案中的 AWS 资源的技能为基础。您将使用最低权限原则实施安全控制，并为与您的 ML 系统交互的用户和应用程序配置 AWS Identity and Access Management (IAM) 策略和角色。最后，您将探索 Amazon SageMaker 的安全性和合规性功能，以了解如何满足公司的安全要求。

• 课程级别：高级
• 时长：2 小时 15 分钟

注意：本课程具有本地化的注释/字幕。 旁白保留英语。要显示字幕，请单击播放器右下角的 CC 按钮。

活动

• 线上资料
• 练习
• 知识考核问题

课程目标

• 描述用于保护 ML 解决方案的责任共担模式。
• 对 ML 构件实施最低权限原则。
• 为与 ML 系统交互的用户和应用程序应用 IAM 策略和角色。
• 为 SageMaker 端点配置 Virtual Private Cloud (VPC) 网络。
• 实施网络访问控制以保护和隔离 ML 系统。
• 描述 SageMaker 的安全性与合规性功能。
• 使用 SageMaker 安全性与合规性功能排查和调试安全问题。
• 解释持续集成和持续交付 (CI/CD) 管道的安全最佳实践。

培训对象

• 云架构师
• 机器学习工程师

建议具备的技能

• 拥有至少 1 年使用 SageMaker 和其他 AWS 服务进行 ML 工程工作的经验
• 拥有至少 1 年相关职位（例如后端软件开发人员、DevOps 开发人员、数据工程师或数据科学家）的工作经验
• 对 Python 等编程语言有基本的了解
• 已完成 AWS ML Engineer Associate 学习计划的前几门课程

课程大纲

第 1 部分：简介

• 第 1 课：如何学习本课程
• 第 2 课：课程概览

第 2 部分：保护 ML 资源

• 第 3 课：保护 ML 解决方案中的 AWS 资源
• 第 4 课：责任共担模式
• 第 5 课：使用 IAM 的访问控制功能
• 第 6 课：最低权限原则
• 第 7 课：ML 资源的网络访问控制
• 第 8 课：演示：保护 ML 资源

第 3 部分：Amazon SageMaker 合规性与监管

• 第 9 课：安全性和合规性功能
• 第 10 课：合规性与监管功能

第 4 部分：CI/CD 管道的安全最佳实践

• 第 11 课：CI/CD 管道的安全注意事项

第 5 部分：通过监控、审计和日志记录实现安全性和合规性

• 第 12 课：通过监控和日志记录实现安全性和合规性

第 6 部分：总结

• 第 13 课：课程总结
• 第 14 课：评估
• 第 15 课：联系我们