Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verschlüsselung im Ruhezustand für mehrstufiges Reinforcement-Learning

Optionen für die Verschlüsselung im Ruhezustand

Multi-turn Reinforcement-Learning-Jobs in Amazon SageMaker AI verschlüsseln alle Daten im Ruhezustand. Ihre Trainingseingabedaten, Ausgabedaten (einschließlich Modell-Checkpoints und trainierter Modellartefakte) und in Amazon S3 gespeicherte Zwischendaten werden serverseitig verschlüsselt. Sie müssen keine zusätzliche Konfiguration vornehmen, um sicherzustellen, dass Ihre Daten im Ruhezustand verschlüsselt werden.

Amazon SageMaker AI unterstützt die folgenden Verschlüsselungsoptionen für Multiturn-RL-Jobs:

Verschlüsselung von Daten im Ruhezustand mithilfe von Customer Managed AWS KMS keys

Wie Multi-Turn-RL einen vom Kunden verwalteten KMS-Schlüssel verwendet

Wenn Sie in der Ausgabekonfiguration Ihres Multiturn-RL-Jobs einen vom Kunden verwalteten KMS-Schlüssel angeben, verwendet Amazon SageMaker AI diesen Schlüssel, um die folgenden Ressourcen in Amazon S3 zu verschlüsseln:

Wenn Sie einen vom Kunden verwalteten KMS-Schlüssel angeben, verwendet Amazon SageMaker AI zwei Mechanismen, um Ihre Daten zu verschlüsseln:

Während eines Trainingsjobs finden die folgenden AWS KMS Operationen statt:

Der Dienst speichert keine Datenschlüssel im Cache. Jeder Amazon S3 S3-Lese- oder Schreibvorgang wird AWS KMS unabhängig über die Amazon S3 S3-Serviceintegration aufgerufen.

Konfiguration eines vom Kunden verwalteten KMS-Schlüssels

Multi-turn RL-Jobs unterstützen nur symmetrische AWS KMS Schlüssel. Multi-region Schlüssel werden nicht unterstützt.

Konfiguration von Berechtigungen zur Verwendung eines vom Kunden verwalteten KMS-Schlüssels

Um einen vom Kunden verwalteten KMS-Schlüssel mit Multiturn-RL-Aufträgen zu verwenden, müssen Sie Berechtigungen sowohl für die IAM-Ausführungsrolle als auch für die KMS-Schlüsselrichtlinie konfigurieren.

Berechtigungen für die Ausführungsrolle

Die IAM-Ausführungsrolle, die Sie an die CreateJob API übergeben, muss über die folgenden Berechtigungen verfügen. AWS KMS Diese Berechtigungen ermöglichen es dem Trainingsjob, Ausgabedaten und Eingabedaten über Amazon S3 zu verschlüsseln.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "KMSPermissionsForS3Encryption",
            "Effect": "Allow",
            "Action": [
                "kms:Decrypt",
                "kms:GenerateDataKey"
            ],
            "Resource": "arn:aws:kms:region:account-id:key/key-id",
            "Condition": {
                "StringLike": {
                    "kms:ViaService": "s3.*.amazonaws.com"
                }
            }
        }
    ]
}

Die kms:ViaService Bedingung beschränkt die Verwendung des Schlüssels auf Anfragen, die über Amazon S3 eingehen, wodurch verhindert wird, dass der Schlüssel für andere Zwecke verwendet wird.

KMS-Schlüsselrichtlinie

Die standardmäßige KMS-Schlüsselrichtlinie erlaubt es bereits IAM-Rollen desselben Kontos, den Schlüssel zu verwenden. Optional können Sie die folgende Anweisung hinzufügen, um den Zugriff weiter einzuschränken und nur der Ausführungsrolle zu erlauben, den Schlüssel über Amazon S3 zu verwenden:

{
    "Sid": "AllowMTRLJobEncryption",
    "Effect": "Allow",
    "Principal": {
        "AWS": "arn:aws:iam::account-id:role/SageMakerExecutionRole"
    },
    "Action": [
        "kms:Decrypt",
        "kms:GenerateDataKey"
    ],
    "Resource": "*",
    "Condition": {
        "StringLike": {
            "kms:ViaService": "s3.*.amazonaws.com"
        }
    }
}

Damit der Aufrufer Grants erstellen und den Schlüssel beschreiben kann, fügen Sie der Schlüsselrichtlinie die folgende Anweisung hinzu:

{
    "Sid": "AllowCreateGrantForCaller",
    "Effect": "Allow",
    "Principal": {
        "AWS": "arn:aws:iam::account-id:role/CallerRole"
    },
    "Action": [
        "kms:CreateGrant",
        "kms:DescribeKey"
    ],
    "Resource": "*",
    "Condition": {
        "StringEquals": {
            "kms:CallerAccount": "account-id"
        },
        "StringLike": {
            "kms:ViaService": "sagemaker.*.amazonaws.com"
        },
        "Bool": {
            "kms:GrantIsForAWSResource": "true"
        }
    }
}

Erstellen eines Multiturn-RL-Jobs mit einem vom Kunden verwalteten KMS-Schlüssel

Um Ausgabedaten mit Ihrem vom Kunden verwalteten KMS-Schlüssel zu verschlüsseln, geben Sie den Schlüssel-ARN im KmsKeyArn Feld von OutputDataConfig in Ihrer CreateJob Anfrage an. Weitere Informationen finden Sie CreateJobin der SageMaker AI-API-Referenz.

Das folgende Beispiel zeigt, wie Sie einen KMS-Schlüssel angeben inOutputDataConfig:

{
    "OutputDataConfig": {
        "S3OutputPath": "s3://your-bucket/output/",
        "KmsKeyArn": "arn:aws:kms:region:account-id:key/key-id"
    }
}

Wenn Ihre Eingabedaten in Amazon S3 mit einem vom Kunden verwalteten Schlüssel (SSE-KMS) verschlüsselt sind, stellen Sie sicher, dass die Ausführungsrolle über die kms:Decrypt Berechtigung für diesen Schlüssel verfügt. Sie können denselben Schlüssel sowohl für die Eingabe- als auch für die Ausgabeverschlüsselung oder unterschiedliche Schlüssel verwenden.

Einschränkung des Zugriffs auf den vom Kunden verwalteten KMS-Schlüssel

Sie können die folgenden Mechanismen verwenden, um den Zugriff auf Ihren vom Kunden verwalteten KMS-Schlüssel einzuschränken:

Verschlüsselungskontext für Multiturn-RL-Jobs

Wenn ein Multiturn-RL-Job Daten mit Ihrem vom Kunden verwalteten KMS-Schlüssel verschlüsselt, bezieht Amazon SageMaker AI in jede AWS KMS Anfrage, die über Amazon S3 gestellt wird, einen Verschlüsselungskontext mit ein. Ein Verschlüsselungskontext besteht aus einer Reihe von Schlüssel-Wert-Paaren, die zusätzliche authentifizierte Daten (AAD) für Operationen bereitstellen. AWS KMS Der Verschlüsselungskontext ist angemeldet AWS CloudTrail und kann in KMS-Schlüsselrichtlinien und Grant-Beschränkungen verwendet werden, um den Zugriff weiter einzuschränken.

Amazon SageMaker AI verwendet das folgende Schlüssel-Wert-Paar für den Verschlüsselungskontext für Multi-Turn-RL-Trainingsjobs:

{
    "aws:sagemaker:finetuning-job-arn": "arn:aws:sagemaker:region:account-id:job/AgentRFT/job-name"
}

Für Multi-Turn-RL-Evaluierungsjobs verwendet der Verschlüsselungskontext:

{
    "aws:sagemaker:agent-rft-evaluation-job-arn": "arn:aws:sagemaker:region:account-id:job/AgentRFTEvaluation/job-name"
}

Der Verschlüsselungskontext ist an den spezifischen Job gebunden, der die verschlüsselten Daten erstellt. Jeder Job verschlüsselt seine eigene Ausgabe mit seinem eigenen ARN im Verschlüsselungskontext. Dadurch wird eine kryptografische Bindung zwischen den verschlüsselten Daten und dem Job hergestellt, der sie erzeugt hat.

Verwendung des Verschlüsselungskontextes in wichtigen Richtlinien

Der Verschlüsselungskontext wird automatisch durch die Zuschussbeschränkungen durchgesetzt, die Amazon SageMaker AI bei der Schaffung von Arbeitsplätzen festlegt. Sie müssen Ihrer KMS-Schlüsselrichtlinie keine Bedingungen für den Verschlüsselungskontext hinzufügen, damit die Verschlüsselung ordnungsgemäß funktioniert.

Wenn Sie der kms:CreateGrant Aussage in Ihrer KMS-Schlüsselrichtlinie Bedingungen für den Verschlüsselungskontext hinzufügen, müssen Sie Zuschüsse sowohl für den aktuellen Job als auch für den vorherigen Job in iterativen Schulungsketten zulassen. Das folgende Beispiel ermöglicht Amazon SageMaker AI, Zuschüsse mit einem beliebigen ARN für Schulungsjobs im Verschlüsselungskontext zu erstellen:

{
    "Sid": "AllowCreateGrantForCaller",
    "Effect": "Allow",
    "Principal": {
        "AWS": "arn:aws:iam::account-id:role/CallerRole"
    },
    "Action": [
        "kms:CreateGrant",
        "kms:DescribeKey"
    ],
    "Resource": "*",
    "Condition": {
        "StringLike": {
            "kms:ViaService": "sagemaker.*.amazonaws.com",
            "kms:EncryptionContext:aws:sagemaker:finetuning-job-arn": "arn:aws:sagemaker:region:account-id:job/AgentRFT/*"
        },
        "Bool": {
            "kms:GrantIsForAWSResource": "true"
        }
    }
}

Verschlüsselungskontext im iterativen Training

Wenn Sie iterative Trainingsjobs ausführen (bei denen ein nachfolgender Job vom Checkpoint eines vorherigen Jobs aus wieder aufgenommen wird), enthält der Verschlüsselungskontext für jeden Job den eigenen ARN dieses Jobs. Amazon SageMaker AI verwaltet automatisch zwei AWS KMS Zuschüsse zur Unterstützung iterativer Schulungen:

Beide Grants werden automatisch zurückgezogen, wenn der Job abgeschlossen ist. Sie müssen keine zusätzlichen wichtigen Richtlinienerklärungen hinzufügen, damit Sie iterative Schulungen durchführen können, um mit vom Kunden verwalteten Schlüsseln zu arbeiten.

Verschlüsselungskontext in AWS CloudTrail

Wenn Sie die CloudTrail Protokolle für AWS KMS API-Aufrufe überprüfen, die von Multiturn-RL-Jobs getätigt wurden, wird der Verschlüsselungskontext im requestParameters Feld des Protokolleintrags angezeigt. Anhand dieser Informationen können Sie feststellen, welcher Job einen bestimmten Verschlüsselungs- oder Entschlüsselungsvorgang für Ihre Daten durchgeführt hat.

Überwachung der Multiturn-RL-Interaktion mit AWS KMS

Sie können AWS CloudTrail es verwenden, um AWS KMS API-Aufrufe zu überwachen, die im Namen Ihrer Multiturn-RL-Jobs getätigt wurden. Die folgenden CloudTrail Ereignisnamen sind für die Überwachung der Verwendung von KMS-Schlüsseln relevant:

Suchen Sie in den CloudTrail Protokolleinträgen für diese Ereignisse nach den folgenden Werten:

Weitere Informationen zum Protokollieren von AWS KMS API-Aufrufen finden Sie unter Protokollieren von AWS KMS API-Aufrufen mit AWS CloudTrail im AWS KMS Entwicklerhandbuch.