{"id":1007,"date":"2026-08-25T01:04:34","date_gmt":"2026-08-24T22:04:34","guid":{"rendered":"https:\/\/www.tayfnews.tech\/it\/?p=1007"},"modified":"2026-08-25T01:04:34","modified_gmt":"2026-08-24T22:04:34","slug":"sagemaker-mlflow-arrivano-le-chiavi-gestite-dai-clienti-per-aws-kms","status":"publish","type":"post","link":"https:\/\/www.tayfnews.tech\/it\/technology\/sagemaker-mlflow-arrivano-le-chiavi-gestite-dai-clienti-per-aws-kms\/","title":{"rendered":"SageMaker MLflow: arrivano le chiavi gestite dai clienti per AWS KMS"},"content":{"rendered":"

Amazon Web Services ha introdotto il supporto per le chiavi gestite dai clienti (CMK)<\/strong> in SageMaker MLflow<\/strong>, consentendo ad aziende e team di sviluppo di crittografare i propri carichi di lavoro sensibili utilizzando le proprie chiavi crittografate tramite AWS Key Management Service (KMS)<\/strong>. Questo recente potenziamento della sicurezza risponde a requisiti critici di conformit\u00e0 e governance dei dati per le organizzazioni che operano in settori rigidamente regolamentati, offrendo agli amministratori di sistema un controllo diretto sui cicli di vita della crittografia pur sfruttando un’infrastruttura di apprendimento automatico completamente gestita.<\/p>\n

Maggiore sicurezza e conformit\u00e0 nei flussi di lavoro di machine learning<\/h2>\n

Le pipeline di machine learning gestiscono spesso enormi quantit\u00e0 di dati sensibili, che vanno dalla propriet\u00e0 intellettuale aziendale alle informazioni personalmente identificabili. Prima di questo aggiornamento, le organizzazioni con rigidi mandati di conformit\u00e0 riscontravano difficolt\u00e0 nell’allineare gli ambienti MLflow gestiti alle politiche di sicurezza interne che richiedono la totale propriet\u00e0 delle chiavi di crittografia. Integrando le chiavi gestite dai clienti, Amazon Web Services colma questa lacuna, consentendo ai team di sicurezza di applicare controlli di accesso precisi, ruotare le chiavi secondo le direttive interne e revocare istantaneamente l’accesso allo storage sottostante quando necessario.<\/p>\n

Inoltre, l’integrazione offre una visibilit\u00e0 approfondita sulle interazioni dei dati grazie alla combinazione con AWS CloudTrail<\/strong>. Questa combinazione garantisce che ogni evento di accesso ai dati all’interno dell’ambiente dell’applicazione MLflow sia accuratamente registrato e tracciabile, soddisfacendo i requisiti di audit completi richiesti dagli organi di regolamentazione nei settori finanziario, sanitario e pubblico.<\/p>\n

Requisiti tecnici e disponibilit\u00e0 regionale<\/h2>\n

L’implementazione della crittografia gestita dal cliente all’interno di SageMaker MLflow richiede il rispetto di specifici parametri strutturali definiti dall’architettura della piattaforma. Architetti di sistema e ingegneri di piattaforma devono tenere conto dei seguenti criteri tecnici durante la configurazione delle loro distribuzioni:<\/p>\n