AWS認定資格 無料問題集解答・解説
第3問 機密データを扱う機械学習モデルの安全なデプロイ方法
あなたは、医療機関向けの診断支援システムを開発するチームに所属しており、患者の診断情報から疾患の可能性を予測する機械学習モデルを Amazon SageMaker で構築しました。現在、このモデルを本番環境にデプロイする段階にあたり、医療情報の取り扱いに関する厳格なセキュリティ要件（アクセス制御、暗号化、ネットワーク分離など）が課されています。このような状況で、機械学習モデルを本番環境で安全に運用するための最も適切な方法を選択してください。
（問題ID：AIF205C003）
解答
正しい解答：Ｂ. VPC エンドポイントを使用して、セキュリティグループ設定も実施する。
△ 判定不能 URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
Amazon SageMaker で構築した機械学習（ML：Machine Learning）モデルを本番環境にデプロイするにあたり、問題文に掲載されたセキュリティ要件を満たして、安全に運用するための最も適切な方法は、「VPC エンドポイントを使用して、セキュリティグループ設定も実施する」 ことです。これは、医療情報のような機微なデータを扱う環境において、セキュリティ要件を充足するためのベスト・プラクティスに沿った構成となります。VPC エンドポイントを利用することで、Amazon SageMaker の推論エンドポイントへのアクセスをインターネット経由ではなく、閉域網（プライベートネットワーク）内で完結させることができます。これにより、ネットワーク分離が実現され、外部からの不要なアクセスを遮断することができます。さらに、セキュリティグループを適切に設定することで、アクセス元 IP アドレスやポートを制限して、アクセス制御の要件も満たすことが可能です。加えて、Amazon SageMaker では AWS KMS（Key Management Service）による暗号化や AWS IAM（Identity and Access Management）による認証・認可も併用できるため、暗号化要件にも対応できます。
その他の選択肢は、ML モデルを本番環境に安全にデプロイして、運用するための適切な方法ではありません。「パブリック・エンドポイントを使用して、AWS IAM によってアクセスを制限する」 ことは、一見すると AWS IAM によるアクセス制御がされるため安全に見えますが、パブリック・エンドポイントを使用している点に問題があります。パブリック・エンドポイントはインターネットに公開されており、医療情報のような高機密データを扱うシステムへの適用は望ましくありません。また、「Amazon SageMaker Canvasでモデルを構築して、外部公開する」 ことは、MLモデルを本番環境にデプロイするにあたり、安全に運用するための適切な方法ではありません。Amazon SageMaker Canvas は、AWS が提供する ノーコードの ML 開発ツールです。構築したモデルは、Amazon SageMaker Studio や Amazon SageMaker Model Registry を通じて共有することは可能ですが、「外部公開する」という表現が示すように、セキュリティ制御を伴わない公開は、医療情報の取り扱いにおいては極めて不適切です。「責任共有モデルでは、セキュリティは AWS 側で担保することとしている」 という認識は誤りです。AWS 責任共有モデルは、AWS が提供するクラウド・サービスにおいて、AWS が責任を持つ範囲と利用者が責任を持つ範囲を明確に分ける考え方ですが、セキュリティはすべて AWS 側で担保することとしているわけではありません。クラウド上で構築・運用するリソース（ネットワーク構成、データの暗号化など）は利用者の責任範囲です。
ちなみに...
VPC エンドポイントは、Amazon VPC（Virtual Private Cloud）から AWS サービスにインターネットを経由しないで安全に接続するための入口です。AWS PrivateLink を活用することで、プライベートなネットワーク環境から通信することができ、セキュリティやネットワーク分離の要件を満たす構成が可能となります。
問題掲載日：2025-08-31
Information
What's New
- 2026/9/13 問題ID: AIF203C024 モデルの訓練におけるカリキュラム学習の採用目的に関する問題を追加しました。
- 2026/9/12 問題ID: AIF203C018 事前学習済みモデルの自社タスクへの適用に関する問題を加筆・修正しました。
- 2026/9/7 問題ID: AIF202C019 生成AIへの入力情報量を決定する要因に関する問題を追加しました。
- 2026/9/6 問題ID: AIF205C004 生成AIにおける内部情報の漏洩リスクに関する問題を加筆・修正しました。
- 2026/9/5 問題ID: AIF101C013 生成AIにおける非公開情報の意図しない露出に関する問題を追加しました。
Reference Books
独学合格 AWS認定 AIプラクティショナー テキスト&問題集
「世界No.1スクールの人気講師による最短合格」 をうたっているだけあって、とても分かりやすいテキストです。章末問題も本番試験を意識した形式になっており、解答では正解の理由だけでなく、誤答の理由まで丁寧に解説されています。こうした内容を見ると、「独学合格」 という記載にも納得です。AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
解答・解説
第3問 機密データを扱う機械学習モデルの安全なデプロイ方法
あなたは、医療機関向けの診断支援システムを開発するチームに所属しており、患者の診断情報から疾患の可能性を予測する機械学習モデルを Amazon SageMaker で構築しました。現在、このモデルを本番環境にデプロイする段階にあたり、医療情報の取り扱いに関する厳格なセキュリティ要件（アクセス制御、暗号化、ネットワーク分離など）が課されています。このような状況で、機械学習モデルを本番環境で安全に運用するための最も適切な方法を選択してください。
（問題ID：AIF205C003）
解答
正しい解答：Ｂ. VPC エンドポイントを使用して、セキュリティグループ設定も実施する。
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
Amazon SageMaker で構築した機械学習（ML：Machine Learning）モデルを本番環境にデプロイするにあたり、問題文に掲載されたセキュリティ要件を満たして、安全に運用するための最も適切な方法は、「VPC エンドポイントを使用して、セキュリティグループ設定も実施する」 ことです。これは、医療情報のような機微なデータを扱う環境において、セキュリティ要件を充足するためのベスト・プラクティスに沿った構成となります。VPC エンドポイントを利用することで、Amazon SageMaker の推論エンドポイントへのアクセスをインターネット経由ではなく、閉域網（プライベートネットワーク）内で完結させることができます。これにより、ネットワーク分離が実現され、外部からの不要なアクセスを遮断することができます。さらに、セキュリティグループを適切に設定することで、アクセス元 IP アドレスやポートを制限して、アクセス制御の要件も満たすことが可能です。加えて、Amazon SageMaker では AWS KMS（Key Management Service）による暗号化や AWS IAM（Identity and Access Management）による認証・認可も併用できるため、暗号化要件にも対応できます。
その他の選択肢は、ML モデルを本番環境に安全にデプロイして、運用するための適切な方法ではありません。「パブリック・エンドポイントを使用して、AWS IAM によってアクセスを制限する」 ことは、一見すると AWS IAM によるアクセス制御がされるため安全に見えますが、パブリック・エンドポイントを使用している点に問題があります。パブリック・エンドポイントはインターネットに公開されており、医療情報のような高機密データを扱うシステムへの適用は望ましくありません。また、「Amazon SageMaker Canvasでモデルを構築して、外部公開する」 ことは、MLモデルを本番環境にデプロイするにあたり、安全に運用するための適切な方法ではありません。Amazon SageMaker Canvas は、AWS が提供する ノーコードの ML 開発ツールです。構築したモデルは、Amazon SageMaker Studio や Amazon SageMaker Model Registry を通じて共有することは可能ですが、「外部公開する」という表現が示すように、セキュリティ制御を伴わない公開は、医療情報の取り扱いにおいては極めて不適切です。「責任共有モデルでは、セキュリティは AWS 側で担保することとしている」 という認識は誤りです。AWS 責任共有モデルは、AWS が提供するクラウド・サービスにおいて、AWS が責任を持つ範囲と利用者が責任を持つ範囲を明確に分ける考え方ですが、セキュリティはすべて AWS 側で担保することとしているわけではありません。クラウド上で構築・運用するリソース（ネットワーク構成、データの暗号化など）は利用者の責任範囲です。
ちなみに...
VPC エンドポイントは、Amazon VPC（Virtual Private Cloud）から AWS サービスにインターネットを経由しないで安全に接続するための入口です。AWS PrivateLink を活用することで、プライベートなネットワーク環境から通信することができ、セキュリティやネットワーク分離の要件を満たす構成が可能となります。
問題掲載日：2025-08-31
Information
What's New
- 2026/9/13 問題ID: AIF203C024 モデルの訓練におけるカリキュラム学習の採用目的に関する問題を追加しました。
- 2026/9/12 問題ID: AIF203C018 事前学習済みモデルの自社タスクへの適用に関する問題を加筆・修正しました。
- 2026/9/7 問題ID: AIF202C019 生成AIへの入力情報量を決定する要因に関する問題を追加しました。
- 2026/9/6 問題ID: AIF205C004 生成AIにおける内部情報の漏洩リスクに関する問題を加筆・修正しました。
- 2026/9/5 問題ID: AIF101C013 生成AIにおける非公開情報の意図しない露出に関する問題を追加しました。
Reference Books
独学合格 AWS認定 AIプラクティショナー テキスト&問題集
「世界No.1スクールの人気講師による最短合格」 をうたっているだけあって、とても分かりやすいテキストです。章末問題も本番試験を意識した形式になっており、解答では正解の理由だけでなく、誤答の理由まで丁寧に解説されています。こうした内容を見ると、「独学合格」 という記載にも納得です。
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。