【AWS AIF対策】ガバナンスとコンプライアンス

Transcript

1. 2026年10月 ガバナンスとコンプライアンス AWS Certified AI Practitioner 対策 #17 赤神青空
2. ▪本文まで残せるのはモデル呼び出しのログ 前回のクイズの答えは「B」 前回のクイズ Bedrock で、⼊⼒したプロンプトと 返ってきた応答の本⽂を、 あとから調べられるように残したい。 CloudTrail 誰がいつ呼んだか （中⾝は⼊らない） モデル呼び出し のログ ⼊⼒と出⼒の本⽂ が⼊る 答えは B 今ココ おさらい A CloudTrail 呼び出しの記録。本⽂は⼊らない B モデル呼び出しのログ 本⽂が⼊る。既定では無効 C Guardrails 実⾏時に⼊出⼒を⽌める D PrivateLink 経路をインターネットから外す 2/13
3. ▪試験ガイド生成AIセキュリティスコーピングマトリクス 5.2 が名指しするフレームワーク ⽣成AIセキュリティスコーピングマトリクス スコープ 1 Consumer app 公開のサービスを使う スコープ 2 Enterprise app AI⼊りの業務アプリを使う スコープ 3 Pre-trained models 既成のモデルで作る スコープ 4 Fine-tuned models ファインチューニングする スコープ 5 Self-trained models ⼀から学習させる モデルとデータを⾃分で持つ度合いが、左から右へ⼤きくなる ガバナンスと コンプライアンス Governance and compliance どのスコープでも、この5つの観点で⾒る 法とプライバシー Legal and privacy リスク管理 Risk management コントロール Controls レジリエンス Resilience 試験ガイド 5.2 が名指しするフレームワークは、これ 1つ⽬の「ガバナンスとコンプライアンス」＝ ポリシー‧⼿順‧報告（マトリクス側の定義） 今ココ フレームワーク 3/13
4. ▪名前が似ているが、スコープの数も軸も違う エージェント版は、別物 ⽣成AI版 エージェント版 スコープは5つ。試験ガイドが名指しするのはこちら スコープは4つ。2025年に出た別のフレームワーク Consumer app ∕ Enterprise app No agency ∕ Prescribed agency Pre-trained ∕ Fine-tuned ∕ Self-trained Supervised agency ∕ Full agency 軸は「モデルとデータを誰が持つか」 軸は「⾃律の度合いと、⼈の監督」 2023年から 2025年11⽉から 名前が似ているが、スコープの数も軸も違う別物 試験で問われるのは⽣成AI版の5つ。エージェント版は参考として知っておく 今ココ フレームワーク 4/13
5. ▪試験ガイドガバナンスを助けるサービス 5.2 が例に挙げる5つ AWS Config 資源の設定を記録して、 ルールに合っているか評価する Amazon Inspector EC ‧コンテナイメージ‧Lambda‧ コードの脆弱性を探す AWS CloudTrail 誰が何をしたかを記録する。 監査とガバナンスの⼟台 AWS Artifact AWS のコンプライアンス報告書と 契約書を受け取る AWS Trusted Advisor ベストプラクティスに照らして 環境を点検する 試験ガイド 5.2 が例に挙げているのは、この5つ Trusted Advisor のカテゴリは6つ コスト‧パフォーマンス‧セキュリティ‧耐障害性‧サービス上限‧運⽤上の優秀性 AWS Audit Manager も定番だったが、新規のお客様への提供は終了している 今ココ 道具 5/13
6. ▪AI 向けのコンフォーマンスパックがある Config で AI を点検する AWS Config には、AI 向けの型が⽤意されている コンフォーマンスパック ＝ ルールと修復アクションをまとめて1つとして配る仕組み Amazon Bedrock Amazon SageMaker AI bedrock-data-source-encryption-enabled AI/ML を⽀えるインフラ ⾃前でホストする AI/ML 個別のルールの例 ナレッジベースのデータソースが⾃分の鍵で暗号化されているか sagemaker-notebook-no-direct-internet-access ノートブックがインターネットに直接出られる状態になっていないか 「決めたとおりになっているか」を、⼈の⽬ではなく仕組みで確かめる ルールに合っていない資源が出たら分かる。これがガバナンスの実務 今ココ 道具 6/13
7. ▪どれも「決める」話 データガバナンスの5つの観点 ライフサイクル data lifecycles ログ logging 所在地 residency 監視と観測 monitoring, observation 集める‧使う‧移す‧消すまでを決める 何が起きたかを残す（第16回） どのリージョンで処理し、どこに置くか 動いている間、⾒続ける 保持 retention いつまで取っておき、いつ消すか 試験ガイド 5.2 の列挙は6つ。監視と観測をまとめて5つに整理 どれも「決める」話。技術で解く前に、何をどうするかを決めておく 決めていないものは、あとから記録を探しても出てこない 次のページで、いちばん引っかかりやすい「所在地」を⾒る 今ココ データ 7/13
8. ▪クロスリージョン推論の2つの形 データの所在地は、思ったより動く クロスリージョン推論は、処理するリージョンが変わる 地理を決める形 地理を決めない形 geographic US や EU といった地理を選ぶ その地理の中のリージョンで処理される データの所在地の要件があるならこちら global リージョンを AWS が選ぶ 地理の制限がない 安く済ませたいときの選択肢 地理を決める形は、既定では保存先が呼び出し元のリージョンのまま モデル呼び出しのログも、監査のログも呼び出し元に残る ⼊⼒と出⼒は既定では保存されない。不正利⽤検知で保持される場合だけ処理先に置かれる 「データは絶対にリージョンから出ない」とは⾔えない 地理を決める形を選ぶ、という設計の判断がいる。通信は AWS の網の中で暗号化される 今ココ データ 8/13
9. ▪試験ガイドの列挙を5段に整理し、AWSの資料と突き合わせる ガバナンスの手順 決めて、回して、⾒直す ポリシーを決める 何をしてよくて、 何をしないか レビューの頻度と⽅法 いつ、誰が、 何を⾒て判断するか フレームワークに乗せる スコーピングマトリクスなど、 既にある型を使う 透明性の基準 何を、誰に、 どう開⽰するか チームを訓練する 使う⼈も作る⼈も、 分かっている状態にする 試験ガイドの列挙6つを、レビューの頻度と⽅法にまとめて5段に。AWSの資料にも対応がある AIのガバナンスボードを作る 透明性の⽅針を決める システムカードを書く ⼈材を育て続ける 複数の部⾨から⼈を出す（CAF for AI） 誰に何をどう伝えるかを決める（Responsible AI Lens） ⾃分のAIシステムの⽤途と限界を⽰す 共通⾔語づくりと、使う側から作る側への転換（CAF for AI） 道具を⼊れる前に、決めごとを作る。順番が逆だと回らない 今ココ 手順 9/13
10. ▪誰が書くもので分ける 3つのカードを切り分ける AI Service Card AWS が書く AWS のサービスやモデルの、 ⽤途‧限界‧設計の考え⽅ Model Card 作る側が書く SageMaker の機能。 ⾃分のモデルの素性（第15回） System Card AIシステムを出す側が書く ⾃分が組み上げた AI システムの ⽤途と限界を⽰す 紛らわしいので、誰が書くもので切り分ける システムカードは「配備する側の⼊⼒でどれくらいの性能が出るか」は⽰さない それを試すのは、配備して使う側の責任だと書かれている 規制の世界でも、同じ構図になる AWS は「EU AI Act への対応は共同の道のり。⾃分の使い⽅がどう当たるかの評価は利⽤者の責任」と書いている 今ココ 手順 10/13
11. ▪試験ガイドの5分野と、このシリーズの対応 全17回の地図 第1分野 AI と ML の基礎 AI‧ML‧⽣成AIの関係、学習の種類、ユースケース % 第1回〜第4回 第2分野 ⽣成AIの基礎 基盤モデル、プロンプト、推論パラメータ、エージェント % 第5回〜第8回 第3分野 基盤モデルの応⽤ モデルの選び⽅、RAG、学習とファインチューニング、評価 % 第9回〜第13回 第4分野 責任あるAI バイアス、Guardrails、透明性と説明可能性 % 第14回‧第15回 第5分野 セキュリティ‧コンプライアンス‧ガバナンス 守る⽅法、ガバナンスと規制 % 第16回‧第17回 これで試験ガイドの5分野をひととおり回りました 配点の⼤きい第2分野と第3分野で半分を超える 迷ったら、基盤モデルの選び⽅と応⽤のところに戻る 今ココ おわりに 11/13
12. ▪クイズの前に、持ち帰ってほしいことを振り返る 今回のまとめ 試験ガイドが名指しするのはマトリクス ⽣成AI版はスコープ5つ。エージェント版（4つ）とは別物 5スコープ ガバナンスの道具は5つ Config‧Inspector‧Artifact‧CloudTrail‧Trusted Advisor Config には AI 向けの型がある Bedrock‧SageMaker AI‧インフラ‧⾃前ホストのコンフォーマンスパック Config データは、決めごとがないと守れない ライフサイクル‧ログ‧所在地‧監視‧保持 「リージョンから出ない」とは⾔えない クロスリージョン推論。地理を決める形を選ぶ判断がいる 今ココ おわりに 所在地 12/13
13. ▪動画に付けたクイズから回答できます。答え合わせは説明欄で 最後のクイズ 既成の基盤モデルをそのまま使ってアプリを作っている。生成AIセキュリティス コーピングマトリクスでは、どのスコープにあたる？ A スコープ2 Enterprise app 今ココ おわりに B スコープ3 Pretrained models C スコープ4 Finetuned models D スコープ5 Selftrained models 13/13