ハンズオンラボ — AIF-C01 AWS Certified AI Practitioner

概要

前提条件

ステップ

1. 1.Terraform のバージョンと AWS リージョンを選択する

   リソースを作成する前に、Terraform に対して期待するバージョンと、使用する AWS プロバイダーを伝える必要があります。このラボで扱うすべての Bedrock 関連リソースがそのバージョンに導入されたため、AWS プロバイダーを ~> 5.60 に固定します。また、すべてを us-east-1 にデプロイします。AWS はまずそこに基盤モデルをロールアウトするためであり、ほとんどの AIF-C01 の問題は「最新の」サービスに言及する際に us-east-1 での利用可能性を想定しているからです。

   まずはこれを新しい main.tf にドロップしてください。このラボで以降に記述する内容はすべて同じファイルに配置されます。

   コピー

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

2. 2.AI サービスが入力を読み取り、出力を書き込む場所を作成する

   プロビジョニング対象:

   • Amazon S3

   このラボで使用するすべての AWS AI サービス（本日の Bedrock、およびステップ 5 で連携する監査ログ）は、Amazon S3 を通じて入力を読み取り、出力を書き込みます。したがって、最初の実際的なインフラストラクチャはバケットになります。これ以降のほぼすべてのステップで、このバケットを再び使用することになります。

   破損したアップロードをロールバックできるようにバージョニングを有効にし、パブリックアクセスをブロックして（これらはトレーニングの入力やモデルの呼び出しログであり、ウェブサイトのアセットではありません）、保管時の AES256 暗号化を有効にします。最後の点は AIF-C01 にとって重要です。「AI ソリューションのセキュリティ、コンプライアンス、およびガバナンス」ドメインでは、AI データストアにおいてデフォルトで保管時暗号化を選択することが明示的にテストされます。

   コピー

   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.Bedrock が呼び出しを実際に実行できるように、アイデンティティを引き受けさせる

   プロビジョニング対象:

   • AWS IAM

   Bedrock は単独でモデルを呼び出すことはできません。引き受けることができる IAM ロールが必要です。bedrock.amazonaws.com を唯一の許可されたプリンシパルとして指定する信頼ポリシーを持つロールを作成し、最小限の権限ポリシーをアタッチします。任意の基盤モデルを呼び出し、ステップ 2 で作成したバケットのみの読み取り/書き込みを許可します。

   このような最小特権パターンは、AIF-C01 試験で繰り返し出題されるテーマです。s3:* は付与せず、実際に必要な 2 つのオブジェクトアクションのみをバケット内のオブジェクトに限定して付与していることに注目してください。試験では、選択肢のなかで同じパターンを見つけることが重視されます。2 つの選択肢のどちらでも「機能する」場合、より権限の狭い選択肢がほぼ常に正解となります。

   コピー

   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.モデルが PII や禁止されたトピックを出力しないように、セーフティレールを追加する

   プロビジョニング対象:

   • Amazon Bedrock Guardrails

   Bedrock モデルは、単独ではトレーニングデータが許す限り、どんな質問にも答えてしまいます。ガードレールはすべてのモデル呼び出しの前に配置され、使用する基盤モデルに関係なくコンテンツと PII ポリシーを適用します。つまり、1 つのガードレールで Claude、Llama、Titan、および将来のすべてのモデルをカバーできます。

   ここでは 2 つのレイヤーを設定します。コンテンツフィルターは、プロンプトと応答の両方で高深刻度のヘイト、暴力、性的コンテンツをブロックし、機密情報ポリシーは、E メール、電話番号、米国の社会保障番号の漏洩をブロックします。これらは、AIF-C01 の「責任ある AI のガイドライン」ドメインに直接マッピングされます。コンテンツフィルタリングと PII の処理は、このドメインの 2 つの柱です。

   ガードレールが設定されると、ステップ 3 で構築したロールがモデルを呼び出し、その結果は呼び出し元に届く前にフィルタリングされます。

   コピー

   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.すべてのプロンプトと応答の監査証跡を残すために、ログ記録を有効にする

   プロビジョニング対象:

   • Amazon Bedrock
   • Amazon CloudWatch Logs
   • AWS IAM

   Bedrock の呼び出しログ記録は、アカウントおよびリージョン内で行われたすべてのモデル呼び出しについて、プロンプト、応答、および埋め込みペイロードのすべてをキャプチャします。アドホックな検索に便利な CloudWatch Logs と、長期保存に適した S3 の両方に書き込むように設定します。アタッチするロールは、Bedrock サービスが必要とするアクションのみを正確に許可し、それ以外は許可しません。

   AIF-C01 に関連する注意点として知っておくべきこと：呼び出しログ記録はシングルトンであり、アカウントごと、リージョンごとに 1 つの設定しか存在できません。このラボを us-east-1 で 2 回目に実行した場合、Terraform は変更なしと報告しますが、既存の設定が再バインドされます。ログの出力先を変更する場合は、再実行する前に削除してください。

   ログ記録を有効にすると、ステップ 3 のロールに対して行い、ステップ 4 のガードレールを通過したすべてのモデル呼び出しが、ステップ 2 のバケットにアーカイブされます。これが完全な監査チェーンであり、まさに試験で説明が求められる「証拠の提示」に関するシナリオそのものです。

   コピー

   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/"
       }
     }
   }

クリーンアップ