Datenschutz bei Amazon SageMaker

Amazon SageMaker sammelt aggregierte Informationen über die Verwendung von AWS-eigene und quelloffene Bibliotheken, die während der Schulung verwendet wurden. SageMaker verwendet diese aggregierten Metadaten, um den Service und das Kundenerlebnis zu verbessern.

In den folgenden Abschnitten wird erklärt, welche Art von Metadaten SageMaker erfasst werden, und wie Sie sich von der Erfassung von Metadaten abmelden können.

Arten von erfassten Informationen

Nutzungsinformationen

Metadaten von AWS-eigene Open-Source-Bibliotheken, die für SageMaker Schulungen verwendet werden, z. B. solche, die für verteilte Schulungen, Kompilierung und Quantisierung verwendet werden.

Fehler

Fehler, die auf unerwartetes Verhalten zurückzuführen sind, einschließlich Ausfällen, Abstürzen, Kaskaden und Ausfällen, die auf die Interaktion mit der Schulungsplattform zurückzuführen sind. SageMaker

Wie kann ich die Erfassung von Metadaten deaktivieren

Sie können die gemeinsame Nutzung aggregierter Metadaten für SageMaker Schulungen deaktivieren, wenn Sie einen Schulungsjob mit dem CreateTrainingJob API erstellen. Wenn Sie die Konsole zum Erstellen von Trainingsjobs verwenden, ist die Metadatenerfassung standardmäßig deaktiviert.

Wichtig

Sie müssen sich für jeden Schulungsjob, den Sie einreichen, dafür entscheiden, die Metadatenerfassung zu deaktivieren. Sie müssen sich auch in einer API Telefonkonferenz dafür entscheiden, sich abzumelden, wie in den folgenden Beispielen gezeigt. Sie können sich nicht innerhalb eines Schulungsskripts dafür entscheiden, sich abzumelden.

Der folgende Abschnitt zeigt, wie Sie sich von der Erfassung von Metadaten abmelden können, indem Sie AWS CLI, AWS SDK for Python (Boto3), oder die SageMaker PythonSDK.

Deaktivieren Sie die Erfassung von Metadaten mithilfe der AWS Command Line Interface (AWS CLI)

Um sich von der Metadatensammlung abzumelden, verwenden Sie den AWS CLI, setzen Sie die Umgebungsvariable OPT_OUT_TRACKING auf 1 in, create-training-job API wie im folgenden Codebeispiel gezeigt.

aws sagemaker create-training-job \
--training-job-name your_job_name \
--algorithm-specification AlgorithmName=your_algorithm_name\
--output-data-config S3OutputPath=s3://bucket-name/key-name-prefix \
--resource-config InstanceType=ml.c5.xlarge, InstanceCount=1 \
--stopping-condition MaxRuntimeInSeconds=100 \
--environment OPT_OUT_TRACKING=1

Deaktivieren Sie die Erfassung von Metadaten mithilfe der AWS SDK for Python (Boto3)

Um die Metadatensammlung mithilfe von SDK for Python (Boto3) zu deaktivieren, setzen Sie die Umgebungsvariable OPT_OUT_TRACKING auf 1 in, create_training_job API wie im folgenden Codebeispiel gezeigt.

boto3.client('sagemaker').create_training_job(
    TrainingJobName='your_training_job',
    AlgorithmSpecification={
        'AlgorithmName': 'your_algorithm_name',
        'TrainingInputMode': 'File',
    },
    RoleArn='your_arn',
    OutputDataConfig={
        'S3OutputPath': 's3://bucket-name/key-name-prefix',
    },
    ResourceConfig={
        'InstanceType': 'ml.m4.xlarge',
        'InstanceCount': 1,
        'VolumeSizeInGB': 123,
    },
    StoppingCondition={
        'MaxRuntimeInSeconds': 123,
    },
    Environment={
        'OPT_OUT_TRACKING': '1'
    },
)

Deaktivieren Sie die Metadatensammlung mit SageMaker Python SDK

Um die Metadatensammlung mit SageMaker Python zu deaktivierenSDK, setzen Sie die Umgebungsvariable OPT_OUT_TRACKING auf 1 innerhalb eines SageMaker Schätzers, wie im folgenden Codebeispiel gezeigt.

sagemaker.estimator(
    image_uri='path_to_container',
    role='rolearn',
    instance_count=1, 
    instance_type='ml.c5.xlarge', 
    environment={
        'OPT_OUT_TRACKING': '1'
    }, 
)

Deaktiviere die kontoweite Erfassung von Metadaten

Wenn Sie die Erfassung von Metadaten für mehrere Konten deaktivieren möchten, können Sie eine Umgebungsvariable festlegen, um die kontoweite Nachverfolgung zu deaktivieren. Sie müssen SageMaker Python verwendenSDK, um die Metadatensammlung auf Kontoebene zu deaktivieren.

Das folgende Codebeispiel zeigt, wie Sie das kontoweite Tracking deaktivieren können.

SchemaVersion: '1.0'
SageMaker:
  TrainingJob:
    Environment:
      'OPT_OUT_TRACKING': '1'

Weitere Informationen darüber, wie Sie das kontoweite Tracking deaktivieren können, finden Sie unter Konfiguration und Verwendung von Standardeinstellungen mit Python. SageMaker SDK

Zusätzliche Informationen

Wenn Ihr nachgelagerter Service von Schulungen abhängt SageMaker

Wenn Sie einen Dienst betreiben, der auf SageMaker Schulungen angewiesen ist, wird dringend empfohlen, dass Sie Ihren Kunden über die Erfassung aggregierter Metadaten auf der SageMaker Schulungsplattform informieren und ihm die Möglichkeit geben, sich abzumelden. Alternativ können Sie sich von der Erfassung von Metadaten im Namen Ihres Kunden abmelden.

Wenn Sie Kunde oder Kunde eines Dienstes sind, der SageMaker Schulungen nutzt

Wenn Sie Kunde oder Kunde eines Dienstes sind, der SageMaker Schulungen nutzt, verwenden Sie Ihre bevorzugte Methode aus dem vorherigen Abschnitt, um die Erfassung von Metadaten zu deaktivieren.