c1.3 Filtra entradas y salidas con Amazon Bedrock Guardrails

Qué te aporta un guardrail

Amazon Bedrock Guardrails es una capa de políticas que colocas frente al modelo para que las reglas de seguridad y privacidad vivan fuera de tu prompt y fuera del código de tu aplicación. Un solo guardrail puede reutilizarse en varios modelos y aplicaciones, dándote una base de seguridad consistente y auditable. Aplica varios tipos de política a la vez:

• Filtros de contenido — bloquean las categorías Odio, Insultos, Sexual, Violencia, Mala conducta y Ataque de prompt (inyección de prompt / jailbreak), con una intensidad ajustable por categoría.
• Temas denegados — temas en lenguaje natural que tu aplicación debe rechazar (p. ej. "asesoría de inversión").
• Filtros de palabras — palabras/frases de coincidencia exacta a bloquear (groserías, nombres de competidores).
• Filtros de información sensible — detectan PII y bloquean la solicitud o la redactan de la respuesta.

Crea un guardrail versionado

Define las políticas una vez y crea un guardrail. El bloque de filtro de contenido siguiente activa la detección de ataque de prompt en las entradas y el filtrado de contenido dañino en ambos lados:

aws bedrock create-guardrail \
  --name "prod-genai-guardrail" \
  --description "Baseline safety + PII controls for the app" \
  --blocked-input-messaging "Your request was blocked by our safety policy." \
  --blocked-outputs-messaging "The response was blocked by our safety policy." \
  --content-policy-config '{
    "filtersConfig": [
      { "type": "PROMPT_ATTACK", "inputStrength": "HIGH", "outputStrength": "NONE" },
      { "type": "HATE",          "inputStrength": "HIGH", "outputStrength": "HIGH" },
      { "type": "VIOLENCE",      "inputStrength": "HIGH", "outputStrength": "HIGH" }
    ]
  }' \
  --sensitive-information-policy-config '{
    "piiEntitiesConfig": [
      { "type": "EMAIL",              "action": "ANONYMIZE" },
      { "type": "CREDIT_DEBIT_CARD_NUMBER", "action": "BLOCK" }
    ]
  }'

Nota: PROMPT_ATTACK solo admite inputStrength (es una detección del lado de entrada), por lo que su outputStrength debe ser NONE.

Fija una versión y aplícala

create-guardrail devuelve un guardrailId. Publica una versión inmutable con create-guardrail-version y luego referencia guardrailIdentifier + guardrailVersion en cada llamada, ya sea como parámetros de InvokeModel/Converse, o de forma independiente con la API ApplyGuardrail para filtrar texto antes incluso de invocar un modelo:

aws bedrock-runtime apply-guardrail \
  --guardrail-identifier "gr-0abc123456789def0" \
  --guardrail-version "1" \
  --source "INPUT" \
  --content '[{"text":{"text":"<user prompt to screen>"}}]'

Aplicar el guardrail antes de la invocación te permite rechazar un prompt malo sin pagar por una llamada al modelo.

Nota de nomenclatura: fija una guardrailVersion específica en producción en lugar del DRAFT mutable, para que un cambio de política sea un despliegue deliberado y revisable.