Privasi Data di Amazon SageMaker

Amazon SageMaker mengumpulkan informasi agregat tentang penggunaan perpustakaan AWS milik dan open source yang digunakan selama pelatihan. SageMaker menggunakan metadata agregat ini untuk meningkatkan layanan dan pengalaman pelanggan.

Bagian berikut memberikan penjelasan untuk jenis metadata yang SageMaker dikumpulkan dan cara memilih keluar dari koleksi metadata.

Jenis informasi yang dikumpulkan

Informasi Penggunaan

Metadata dari perpustakaan AWS milik dan open source yang digunakan dengan SageMaker pelatihan, seperti yang digunakan untuk pelatihan terdistribusi, kompilasi, dan kuantisasi.

Kesalahan

Kesalahan dari perilaku tak terduga termasuk kegagalan, crash, kaskade, dan kegagalan yang dihasilkan dari interaksi dengan platform pelatihan. SageMaker

Cara memilih keluar dari koleksi metadata

Anda dapat memilih untuk tidak membagikan metadata gabungan dengan SageMaker pelatihan saat membuat pekerjaan pelatihan menggunakan API. CreateTrainingJob Jika Anda menggunakan konsol untuk membuat pekerjaan pelatihan, pengumpulan metadata dinonaktifkan secara default.

penting

Anda harus memilih untuk memilih keluar dari pengumpulan metadata untuk setiap pekerjaan pelatihan yang Anda kirimkan. Anda juga harus memilih untuk memilih keluar dalam panggilan API seperti yang ditunjukkan dalam contoh berikut. Anda tidak dapat memilih untuk memilih keluar dalam skrip pelatihan.

Bagian berikut menunjukkan bagaimana Anda dapat memilih keluar dari koleksi metadata menggunakan AWS CLI, AWS SDK for Python (Boto3), atau Python SageMaker SDK.

Menyisih dari koleksi metadata menggunakan () AWS Command Line InterfaceAWS CLI

Untuk memilih keluar dari koleksi metadata menggunakan AWS CLI, setel variabel lingkungan OPT_OUT_TRACKING ke 1 dalam create-training-job API seperti yang ditunjukkan dalam contoh kode berikut.

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

Menyisih dari koleksi metadata menggunakan AWS SDK for Python (Boto3)

Untuk memilih keluar dari koleksi metadata menggunakan SDK for Python (Boto3), setel 1 variabel OPT_OUT_TRACKING lingkungan ke dalam API seperti yang ditunjukkan pada contoh kode berikut. create_training_job

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'
    },
)

Menyisih dari koleksi metadata menggunakan Python SageMaker SDK

Untuk memilih keluar dari koleksi metadata menggunakan SageMaker Python SDK, atur variabel lingkungan OPT_OUT_TRACKING ke 1 dalam SageMaker estimator seperti yang ditunjukkan pada contoh kode berikut.

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

Menyisih dari seluruh akun pengumpulan metadata

Jika Anda ingin memilih keluar dari pengumpulan metadata untuk beberapa akun, Anda dapat mengatur variabel lingkungan untuk memilih keluar dari melacak seluruh akun. Anda harus menggunakan SageMaker Python SDK untuk memilih keluar dari pengumpulan metadata di tingkat akun.

Contoh kode berikut menunjukkan bagaimana memilih keluar dari melacak seluruh akun.

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

Untuk informasi selengkapnya tentang cara memilih keluar dari melacak seluruh akun, lihat Mengonfigurasi dan menggunakan default dengan Python SDK. SageMaker

Informasi tambahan

Jika layanan hilir Anda tergantung pada pelatihan SageMaker

Jika Anda mengoperasikan layanan yang mengandalkan SageMaker pelatihan, sangat disarankan agar Anda memberi tahu pelanggan Anda tentang pengumpulan metadata agregat di platform SageMaker Pelatihan dan memberi mereka pilihan untuk memilih keluar. Atau, Anda dapat memilih keluar dari pengumpulan metadata atas nama pelanggan Anda.

Jika Anda adalah klien atau pelanggan layanan yang menggunakan SageMaker pelatihan

Jika Anda adalah klien atau pelanggan layanan yang menggunakan SageMaker pelatihan, gunakan metode pilihan Anda di bagian sebelumnya untuk memilih keluar dari pengumpulan metadata.