c1.3 Filtre entradas e saídas com o Amazon Bedrock Guardrails

O que um guardrail oferece

O Amazon Bedrock Guardrails é uma camada de políticas que você coloca à frente do modelo para que as regras de segurança e privacidade fiquem fora do seu prompt e fora do código da sua aplicação. Um único guardrail pode ser reutilizado em vários modelos e aplicações, oferecendo uma base de segurança consistente e auditável. Ele aplica vários tipos de política ao mesmo tempo:

• Filtros de conteúdo — bloqueiam as categorias Ódio, Insultos, Sexual, Violência, Má conduta e Ataque de prompt (injeção de prompt / jailbreak), com intensidade ajustável por categoria.
• Tópicos negados — tópicos em linguagem natural que sua aplicação deve recusar (por exemplo, "aconselhamento de investimento").
• Filtros de palavras — palavras/frases de correspondência exata a bloquear (palavrões, nomes de concorrentes).
• Filtros de informação sensível — detectam PII e bloqueiam a solicitação ou a removem da resposta.

Crie um guardrail versionado

Defina as políticas uma vez e crie um guardrail. O bloco de filtro de conteúdo abaixo ativa a detecção de ataque de prompt nas entradas e a filtragem de conteúdo nocivo em ambos os 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 só suporta inputStrength (é uma detecção do lado da entrada), portanto seu outputStrength deve ser NONE.

Fixe uma versão e aplique-a

create-guardrail retorna um guardrailId. Publique uma versão imutável com create-guardrail-version e depois referencie guardrailIdentifier + guardrailVersion em cada chamada — seja como parâmetros de InvokeModel/Converse, seja de forma independente com a API ApplyGuardrail para filtrar texto antes mesmo de invocar um modelo:

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

Aplicar o guardrail antes da invocação permite rejeitar um prompt ruim sem pagar por uma chamada ao modelo.

Nota de nomenclatura: fixe uma guardrailVersion específica em produção em vez do DRAFT mutável, para que uma mudança de política seja uma implantação deliberada e revisável.