c3.4 Valide e varra os documentos antes da ingestão
Varra e higienize os documentos antes que entrem na base de conhecimento, para que o conteúdo envenenado ou malicioso não possa provocar prompt injection indireta nem vazar dados sensíveis.
Guia de implementação
Como implementar na AWS
Use o GuardDuty Malware Protection para S3 para varrer arquivos antes que se tornem fonte de dados. Use o Amazon Comprehend para detectar e redigir PII nos documentos antes de indexá-los, e o Amazon Macie para alertar sobre dados sensíveis nos buckets de origem. Rejeite ou coloque em quarentena os documentos que falharem na validação.
Critérios de aceitação
O pipeline de ingestão varre malware e redige PII antes de indexar; o Macie alerta sobre dados de origem sensíveis; um documento envenenado/sensível demais é colocado em quarentena.
Implementação prática
Como este controle é implementado em cada arquitetura de referência:
Os documentos são varridos por malware e têm PII redigida antes de se tornarem fonte de dados na conta de IA generativa; o que falhar é colocado em quarentena, nunca indexado.
- Execute o GuardDuty Malware Protection para S3 no bucket de aterrissagem da ingestão para que os arquivos sejam varridos antes de se tornarem fonte da base de conhecimento.Conta de IA generativa
GuardDuty 
Amazon S3 - Use o Amazon Comprehend para detectar e redigir PII nos documentos antes de indexar, e o Amazon Macie para alertar sobre dados sensíveis nos buckets de origem.Conta de IA generativa
Amazon Comprehend 
Amazon Macie - Coloque em quarentena (mova para um bucket isolado, bloqueie a indexação) qualquer documento que falhe na validação de malware ou sensibilidade, e registre a decisão.Conta de IA generativa
AWS Lambda Amazon S3
Como validar: O pipeline de ingestão varre malware e redige PII antes de indexar; o Macie alerta sobre dados de origem sensíveis; um documento de teste envenenado ou sensível demais é colocado em quarentena.
Evite: Apontar a base de conhecimento direto para um bucket bruto. Documentos não confiáveis provocam prompt injection indireta; varra e higienize antes de indexar.
Um pipeline de ingestão na conta varre e redige PII dos documentos antes de indexar e coloca em quarentena o que falhar na validação.
- Habilite o GuardDuty Malware Protection para S3 no bucket de ingestão para varrer os arquivos antes de se tornarem fonte.Camada de IA generativa (papel IAM) GuardDuty Amazon S3
- Detecte e redija PII com o Comprehend antes de indexar, e alerte sobre dados de origem sensíveis com o Macie.Camada de IA generativa (papel IAM) Amazon Comprehend Amazon Macie
- Coloque em quarentena os documentos que falharem na validação e registre o resultado.Registro na conta AWS Lambda Amazon S3
Como validar: A ingestão varre malware e redige PII antes de indexar; o Macie alerta sobre dados sensíveis; um documento ruim é colocado em quarentena.
Evite: Indexar o que quer que chegue ao bucket. Valide e higienize os documentos para que o store de RAG não possa ser envenenado nem vazar dados sensíveis.
Ameaças atendidas
- Prompt injection indireta por meio de documentos maliciosos inseridos na base de conhecimento.
- Dados sensíveis indexados no store de RAG.
Serviços AWS
Amazon GuardDuty Amazon Comprehend Amazon Macie Amazon S3 Mapeamentos de frameworks
OWASP GenAI/LLM Top 10 (2026)
- LLM01 Prompt Injection
- LLM05 Data and Model Poisoning
NIST AI Risk Management Framework (AI 100-1)
- MAP.4 Risks and impacts are mapped
- MANAGE.1 AI risks are prioritized, responded to and 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 3, Validação de entradas e saídas