AI Security Maturity Model·AWS v1.0.0

Arraste para explorar · faça pinça para ampliar

Aprimorada Segurança da aplicação de IACamada de defesa em profundidade: Aplicação de IA Capacidade 2 · Personalização de modelosCaso de uso: IA que você constrói 👤 ClienteModelo de Responsabilidade Compartilhada da AWS: quem implementa e opera este controle. Cliente = é seu; AWS = a AWS opera e você o herda; Compartilhada = ambos têm obrigações.

c2.6 Importe modelos com segurança usando Safetensors, não pickle

Ao importar um modelo personalizado em outro lugar, use o formato de serialização Safetensors para que artefatos não confiáveis não possam executar código ao carregar.

Fundacional
Aprimorada
Avançada
Esforço: Baixo Impacto: Alto Scopes de IA generativaDa AWS Generative AI Security Scoping Matrix.: 4 · Modelos ajustados (fine-tuned); 5 · Modelos treinados por você

Guia de implementação

Como implementar na AWS

Use o Custom Model Import do Amazon Bedrock com Safetensors como formato de serialização. Ao contrário do pickle, o Safetensors armazena apenas dados de tensores (sem objetos Python arbitrários), eliminando o risco de execução de código a partir de arquivos não confiáveis. Valide a procedência dos modelos importados.

Critérios de aceitação

Os modelos importados usam Safetensors; nenhum artefato baseado em pickle é aceito; a procedência do modelo é registrada.

Implementação prática

Como este controle é implementado em cada arquitetura de referência:

Os modelos importados entram pela conta de IA generativa apenas como Safetensors, com a procedência registrada e os artefatos pickle rejeitados antes de importar.

  1. Use o Custom Model Import do Amazon Bedrock e aceite apenas o formato de serialização Safetensors, que armazena tensores sem objetos Python executáveis.
    Conta de IA generativa Amazon Bedrock
  2. Rejeite os artefatos baseados em pickle no passo de ingestão e registre a procedência do modelo (origem, hash, quem aprova) antes de importar.
    Conta de IA generativa Amazon S3 IAM
  3. Armazene os artefatos de importação aprovados em um bucket controlado e registre cada importação no Log archive.
    Conta de IA generativa → Log archive Amazon S3 CloudTrail

Como validar: Os modelos importados são Safetensors; um artefato pickle é rejeitado; a procedência é registrada e a importação é registrada.

Evite: Importar um checkpoint pickle de uma fonte não confiável. Desserializá-lo pode executar código arbitrário; exija Safetensors e verifique a procedência.

OU de IA generativa (multi-conta) →

As importações de modelos na conta são restritas a Safetensors com procedência registrada, para que um artefato não confiável não possa executar código ao carregar.

  1. Use o Custom Model Import do Bedrock apenas com Safetensors; não aceite artefatos em formato pickle.
    Camada de IA generativa (papel IAM) Amazon Bedrock
  2. Registre a procedência (origem, hash, quem aprova) e armazene os artefatos aprovados em um bucket controlado.
    Camada de IA generativa (papel IAM) Amazon S3 IAM
  3. Registre cada importação no bucket de logs da conta.
    Registro na conta CloudTrail Amazon S3

Como validar: As importações são Safetensors; os artefatos pickle são rejeitados; a procedência é registrada e as importações são registradas.

Evite: Carregar checkpoints da comunidade em formato pickle diretamente. Converta para e exija Safetensors, e verifique de onde veio o modelo.

Conta única (ponto de entrada) →

Ameaças atendidas

  • Execução de código arbitrário ao desserializar (unpickle) um artefato de modelo não confiável.
  • Comprometimento da cadeia de suprimentos por um modelo importado adulterado.

Serviços AWS

Amazon Bedrock Amazon S3 AWS IAM

Mapeamentos de frameworks

OWASP GenAI/LLM Top 10 (2026)

  • LLM04 Supply Chain
  • LLM05 Data and Model Poisoning

NIST AI Risk Management Framework (AI 100-1)

  • GOVERN.6 Policies for third-party software, data and supply chain risk
  • MAP.4 Risks and impacts are mapped
  • MANAGE.3 Third-party risks and benefits are managed

AWS Well-Architected Generative AI Lens (Security)

  • GENSEC06-BP01 Implement data purification filters for model training workflows

Recursos de aprendizado

Referências

  • AWS SRA para IA — Capacidade 2, Justificativa