c2.3 Protege la integridad de los datos de entrenamiento con S3 Object Lock y versionado

Haz los datos de entrenamiento a prueba de manipulaciones y recuperables

Si un atacante (o un error) altera tu conjunto de entrenamiento, un modelo afinado sobre él hereda el daño: el envenenamiento de datos es difícil de detectar después del hecho. Dos funciones de S3 hacen defendible el conjunto de datos:

• El versionado conserva cada versión de un objeto, de modo que una sobrescritura o un borrado nunca destruye el original: puedes volver a una versión buena conocida.
• Object Lock impone escribir-una-vez-leer-muchas (WORM): una versión de objeto bloqueada no puede sobrescribirse ni borrarse hasta que expira su periodo de retención.

Object Lock solo funciona en un bucket versionado, y el versionado se habilita automáticamente al habilitar Object Lock.

Habilita el versionado y luego una retención predeterminada

Activa el versionado y establece una retención predeterminada de Object Lock para que los objetos de entrenamiento nuevos queden protegidos automáticamente:

# Primero el versionado (Object Lock lo requiere)
aws s3api put-bucket-versioning \
  --bucket my-bedrock-training-data \
  --versioning-configuration Status=Enabled

# Retención WORM predeterminada: 30 dias en modo GOVERNANCE
aws s3api put-object-lock-configuration \
  --bucket my-bedrock-training-data \
  --object-lock-configuration '{
    "ObjectLockEnabled": "Enabled",
    "Rule": { "DefaultRetention": { "Mode": "GOVERNANCE", "Days": 30 } }
  }'

Elige el modo de retención correcto

• GOVERNANCE — los objetos están protegidos, pero los usuarios con el permiso s3:BypassGovernanceRetention aún pueden quitar el bloqueo. Buen valor predeterminado para tener evidencia de manipulación sin dejarte fuera a ti mismo.
• COMPLIANCE — nadie, ni siquiera la cuenta root, puede acortar la retención ni borrar la versión hasta que expire. Úsalo solo cuando estés seguro del periodo de retención, ya que no se puede deshacer.

DefaultRetention acepta Days o Years, no ambos.

Combínalo con verificaciones de integridad

WORM protege contra manipulaciones después de la carga; registra además una suma de comprobación (por ejemplo, un checksum de S3 o un hash de manifiesto) al ingerir un conjunto de datos, para poder demostrar los bytes exactos con los que se entrenó una versión dada del modelo. Combínalo con el control de CMK de personalización para que los datos protegidos también estén cifrados bajo tu clave.

Nota de nomenclatura: reemplaza el nombre del bucket y ajusta la ventana de retención a tu política de gobernanza de datos. Prueba con GOVERNANCE antes de considerar COMPLIANCE.