c2.3 Proteja a integridade dos dados de treinamento com S3 Object Lock e versionamento

Torne os dados de treinamento à prova de adulteração e recuperáveis

Se um atacante (ou um erro) alterar seu conjunto de treinamento, um modelo ajustado sobre ele herda o dano — o envenenamento de dados é difícil de detectar depois do fato. Dois recursos do S3 tornam o conjunto de dados defensável:

• O versionamento mantém cada versão de um objeto, de modo que uma sobrescrita ou exclusão nunca destrói o original — você pode reverter para uma versão boa conhecida.
• O Object Lock impõe escrever-uma-vez-ler-muitas (WORM): uma versão de objeto bloqueada não pode ser sobrescrita nem excluída até que seu período de retenção expire.

O Object Lock só funciona em um bucket versionado, e o versionamento é habilitado automaticamente ao habilitar o Object Lock.

Habilite o versionamento e depois uma retenção padrão

Ative o versionamento e defina uma retenção padrão do Object Lock para que novos objetos de treinamento fiquem protegidos automaticamente:

# Primeiro o versionamento (o Object Lock o requer)
aws s3api put-bucket-versioning \
  --bucket my-bedrock-training-data \
  --versioning-configuration Status=Enabled

# Retenção WORM padrão: 30 dias no modo GOVERNANCE
aws s3api put-object-lock-configuration \
  --bucket my-bedrock-training-data \
  --object-lock-configuration '{
    "ObjectLockEnabled": "Enabled",
    "Rule": { "DefaultRetention": { "Mode": "GOVERNANCE", "Days": 30 } }
  }'

Escolha o modo de retenção correto

• GOVERNANCE — os objetos ficam protegidos, mas usuários com a permissão s3:BypassGovernanceRetention ainda podem remover o bloqueio. Bom padrão para evidência de adulteração sem se trancar para fora.
• COMPLIANCE — ninguém, nem mesmo a conta root, pode encurtar a retenção ou excluir a versão até que ela expire. Use apenas quando tiver certeza do período de retenção, pois não pode ser desfeito.

DefaultRetention aceita Days ou Years — não ambos.

Combine com verificações de integridade

O WORM protege contra adulteração após o upload; registre também uma soma de verificação (por exemplo, um checksum do S3 ou um hash de manifesto) ao ingerir um conjunto de dados, para poder comprovar os bytes exatos com os quais uma dada versão do modelo foi treinada. Combine com o controle de CMK de personalização para que os dados protegidos também estejam criptografados sob sua chave.

Nota de nomenclatura: substitua o nome do bucket e ajuste a janela de retenção à sua política de governança de dados. Teste com GOVERNANCE antes de considerar COMPLIANCE.