מעבדה מעשית — AIF-C01 AWS Certified AI Practitioner

סקירה כללית

דרישות קדם

שלבים

1. 1.בחירת גרסת ה-Terraform ואזור ה-AWS שלנו

   לפני שנצטרך ליצור משאבים כלשהם, עלינו להגדיר ל-Terraform באיזו גרסה שלו אנו מצפים להשתמש ובאיזה ספק (provider) של AWS נשתמש. אנו נועלים את ספק AWS על ~> 5.60 מכיוון שכל משאב הקשור ל-Amazon Bedrock שבו ניגע במעבדה זו התווסף בגרסה זו, ואנו פורסים את הכל באזור us-east-1 — AWS מפיצה שם מודלי יסוד תחילה, ורוב השאלות בבחינת AIF-C01 מניחות זמינות ב-us-east-1 כאשר הן מתייחסות לשירות "החדש ביותר".

   הוסיפו קוד זה לקובץ main.tf חדש כדי להתחיל. כל מה שיבוא בהמשך המעבדה ייכנס לאותו הקובץ.

   העתק

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       aws = {
         source  = "hashicorp/aws"
         version = "~> 5.60"
       }
     }
   }
   
   provider "aws" {
     region = "us-east-1"
   }

2. 2.הקצאת מקום עבור שירותי ה-AI לקריאת קלטים וכתיבת פלטים

   משאבים:

   • Amazon S3

   כל שירות AI של AWS שנשתמש בו במעבדה זו — Amazon Bedrock כעת, ותיעוד הביקורת (audit logging) שנחבר בשלב 5 — קורא קלטים וכותב פלטים דרך Amazon S3, כך שרכיב התשתית הממשי הראשון שלנו הוא באקט (bucket). נחזור אליו כמעט בכל שלב בהמשך.

   אנו מפעילים ניהול גרסאות (versioning) כדי שניתן יהיה לשחזר העלאה פגומה, חוסמים גישה ציבורית (אלו קלטי אימון ויומני הפעלה של מודלים, לא קבצי אתר אינטרנט), ומפעילים הצפנת AES256 במצב מנוחה (encryption at rest). הנקודה האחרונה חשובה עבור AIF-C01 — תחום הבחינה Security, Compliance, and Governance for AI Solutions בודק במפורש שאתם בוחרים בהצפנה במצב מנוחה כברירת מחדל עבור כל מאגר נתונים של AI.

   העתק

   resource "aws_s3_bucket" "ai_data" {
     bucket_prefix = "certlabpro-aif-c01-"
   }
   
   resource "aws_s3_bucket_public_access_block" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     block_public_acls       = true
     block_public_policy     = true
     ignore_public_acls      = true
     restrict_public_buckets = true
   }
   
   resource "aws_s3_bucket_versioning" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     versioning_configuration {
       status = "Enabled"
     }
   }
   
   resource "aws_s3_bucket_server_side_encryption_configuration" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     rule {
       apply_server_side_encryption_by_default {
         sse_algorithm = "AES256"
       }
     }
   }

3. 3.מתן אפשרות ל-Bedrock להניח זהות כדי שיוכל לבצע את הקריאות שלנו

   משאבים:

   • AWS IAM

   Amazon Bedrock אינו יכול להפעיל מודל בעצמו — הוא זקוק לתפקיד AWS IAM (IAM role) שהוא יכול להניח (assume). אנו יוצרים תפקיד כזה עם מדיניות אמון (trust policy) שמגדירה את bedrock.amazonaws.com כגורם המורשה היחיד, ואז מצרפים מדיניות הרשאות מינימלית: הפעלת כל מודל יסוד, וקריאה/כתיבה אך ורק מהבאקט שיצרנו בשלב 2.

   דפוסי הרשאות מינימליות (Least-privilege) כאלו הם מוטיב חוזר בבחינת AIF-C01. שימו לב שאיננו מעניקים הרשאת s3:* — אלא רק את שתי פעולות האובייקט שאנו באמת צריכים, המוגבלות לאובייקטים בתוך הבאקט שלנו. הבחינה מתגמלת זיהוי של מבנה זהה בשאלות בחירה מרובה: כאשר שתי אפשרויות תשובה "עובדות", האפשרות המצמצמת יותר היא כמעט תמיד הנכונה.

   העתק

   resource "aws_iam_role" "bedrock_caller" {
     name = "certlabpro-aif-c01-bedrock-caller"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_iam_role_policy" "bedrock_caller" {
     name = "bedrock-invoke"
     role = aws_iam_role.bedrock_caller.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "bedrock:InvokeModel",
             "bedrock:InvokeModelWithResponseStream",
           ]
           Resource = "arn:aws:bedrock:*::foundation-model/*"
         },
         {
           Effect = "Allow"
           Action = [
             "s3:GetObject",
             "s3:PutObject",
           ]
           Resource = "${aws_s3_bucket.ai_data.arn}/*"
         },
       ]
     })
   }

4. 4.הוספת מעקה בטיחות כדי למנוע מהמודל להפיק PII או נושאים אסורים

   משאבים:

   • Amazon Bedrock Guardrails

   מודל Amazon Bedrock כשלעצמו יענה בשמחה על כל דבר שנתוני האימון שלו מאפשרים לו לענות עליו. מעקות בטיחות (Amazon Bedrock Guardrails) יושבים לפני כל קריאת מודל ומחילים מדיניות תוכן ומידע אישי מזהה (PII) ללא קשר למודל היסוד שבו אתם משתמשים — כלומר, מעקה בטיחות יחיד מכסה את Claude, Llama, Titan וכל מודל עתידי.

   כאן אנו מגדירים שתי שכבות. מסנן תוכן החוסם תוכן שנאה / אלימות / תוכן מיני בחומרה גבוהה הן בבקשות (prompts) והן בתגובות, ומדיניות מידע רגיש החוסמת דליפה של כתובות דוא"ל, מספרי טלפון ומספרי תעודת זהות אמריקאיים (SSN). אלו ממפים ישירות את תחום הבחינה Guidelines for Responsible AI של AIF-C01 — סינון תוכן וטיפול ב-PII הם שני עמודי התווך המוגדרים שם.

   כאשר מעקה הבטיחות מוגדר, התפקיד שיצרנו בשלב 3 יכול להפעיל מודל והתוצאה תסונן לפני שהיא תגיע לפונה.

   העתק

   resource "aws_bedrock_guardrail" "safety" {
     name                      = "certlabpro-aif-c01-safety"
     description               = "Default safety rails for the lab."
     blocked_input_messaging   = "I can't help with that."
     blocked_outputs_messaging = "I can't share that response."
   
     content_policy_config {
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "HATE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "VIOLENCE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "SEXUAL"
       }
     }
   
     sensitive_information_policy_config {
       pii_entities_config {
         action = "BLOCK"
         type   = "EMAIL"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "PHONE"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "US_SOCIAL_SECURITY_NUMBER"
       }
     }
   }

5. 5.הפעלת תיעוד (logging) כדי לקבל נתיב ביקורת של כל בקשה ותגובה

   משאבים:

   • Amazon Bedrock
   • Amazon CloudWatch Logs
   • AWS IAM

   תיעוד הפעלות (Invocation logging) של Amazon Bedrock לוכד את הבקשה המלאה, התגובה ונתוני ה-embedding של כל קריאת מודל בחשבון ובאזור. הוא כותב ל-Amazon CloudWatch Logs (טוב לחיפוש מהיר באמצעות grep) ול-Amazon S3 (טוב לשמירה לטווח ארוך) — אנו מחברים את שניהם. התפקיד שאנו מצרפים מעניק בדיוק את הפעולות ששירות Amazon Bedrock צריך ולא מעבר לכך.

   פרט אחד שחשוב לדעת לבחינת AIF-C01: תיעוד הפעלות הוא סינגלטון (singleton) — הגדרה אחת בלבד לכל חשבון באזור מסוים. אם תריצו מעבדה זו פעם נוספת באזור us-east-1, Terraform ידווח כי לא חל שינוי אך ההגדרה הקיימת תקושר מחדש. בצעו destroy לפני הרצה חוזרת אם תשנו אי פעם את יעדי הלוגים.

   כאשר התיעוד מופעל, כל קריאת מודל שנבצע באמצעות התפקיד משלב 3, דרך מעקה הבטיחות משלב 4, תגיע בסופו של דבר לארכיון בבאקט משלב 2. זוהי שרשרת הביקורת המלאה — בדיוק סוג תרחיש ה-"הצג לי את הראיות" שהבחינה מצפה מכם לדעת לתאר.

   העתק

   resource "aws_iam_role" "bedrock_logging" {
     name = "certlabpro-aif-c01-bedrock-logging"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_cloudwatch_log_group" "bedrock_invocations" {
     name              = "/aws/bedrock/invocations"
     retention_in_days = 30
   }
   
   resource "aws_iam_role_policy" "bedrock_logging" {
     name = "write-logs-and-s3"
     role = aws_iam_role.bedrock_logging.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "logs:CreateLogStream",
             "logs:PutLogEvents",
           ]
           Resource = aws_cloudwatch_log_group.bedrock_invocations.arn
         },
         {
           Effect   = "Allow"
           Action   = "s3:PutObject"
           Resource = "${aws_s3_bucket.ai_data.arn}/bedrock-invocations/*"
         },
       ]
     })
   }
   
   resource "aws_bedrock_model_invocation_logging_configuration" "this" {
     logging_config {
       embedding_data_delivery_enabled = true
       image_data_delivery_enabled     = true
       text_data_delivery_enabled      = true
   
       cloudwatch_config {
         log_group_name = aws_cloudwatch_log_group.bedrock_invocations.name
         role_arn       = aws_iam_role.bedrock_logging.arn
       }
   
       s3_config {
         bucket_name = aws_s3_bucket.ai_data.bucket
         key_prefix  = "bedrock-invocations/"
       }
     }
   }

ניקוי משאבים