मॉड्यूल मूल्यांकन

{नंबरऑफमिनट} मिनट

आपकी डेटा साइंस टीम में 15 पूर्णकालिक कर्मचारी और एक भागीदार फर्म के 8 ठेकेदार शामिल हैं। ठेकेदारों को 3 महीने की परियोजना के लिए विकास Azure मशीन लर्निंग कार्यक्षेत्र तक अस्थायी पहुंच की आवश्यकता होती है, लेकिन परियोजना समाप्त होने पर उन्हें स्वचालित रूप से पहुंच खो देनी चाहिए। सुरक्षा नीति ठेकेदारों को उत्पादन कार्यक्षेत्रों तक पहुंचने से रोकती है। कौन सा दृष्टिकोण न्यूनतम चल रहे प्रशासन के साथ इन आवश्यकताओं को सबसे अच्छा लागू करता है?

कर्मचारी प्रकार और विभाग विशेषताओं के आधार पर डायनेमिक सदस्यता नियमों के साथ Project-Contractors नाम का एक सुरक्षा समूह बनाएं, इसे केवल देव कार्यस्थान पर रीडर भूमिका असाइन करें, और समूह की समय सीमा समाप्ति नीति को 90 दिनों पर सेट करें

सभी ठेकेदारों को मौजूदा डेटा वैज्ञानिक समूह में व्यक्तिगत रूप से जोड़ें, जिसमें देव और उत्पादन कार्यस्थान दोनों पर रीडर की भूमिका है, फिर तीन महीने के बाद उन्हें मैन्युअल रूप से निकालने के लिए एक कैलेंडर अनुस्मारक शेड्यूल करें

सभी कार्यस्थानों पर प्रमाणपत्र-आधारित प्रमाणीकरण और योगदानकर्ता की भूमिका के साथ प्रत्येक ठेकेदार के लिए सेवा प्रिंसिपल बनाएँ, 90-दिन की समाप्ति के साथ Azure Key Vault में प्रमाण पत्र संग्रहीत करना

आपकी सुरक्षा टीम संदिग्ध गतिविधि की रिपोर्ट करती है: एक डेटा वैज्ञानिक का खाता 2 घंटे के भीतर तीन अलग-अलग देशों/क्षेत्रों से Azure Machine Learning स्टूडियो को प्रमाणित किया जाता है, जो शारीरिक रूप से असंभव है। प्रभावित उपयोगकर्ता पुष्टि करता है कि उनका पासवर्ड साझा नहीं किया गया है। आपको इस प्रकार के हमले को रोकने की आवश्यकता है, जबकि वैध उपयोगकर्ताओं पर प्रभाव को कम करना होगा जो सम्मेलनों के लिए अक्सर यात्रा करते हैं। कौन सा सशर्त पहुँच नीति कॉन्फ़िगरेशन इस खतरे को सबसे अच्छा संबोधित करता है?

किसी भी स्थान से सभी Azure Machine Learning पहुँच के लिए संगत डिवाइस और MFA की आवश्यकता वाली नीति बनाएँ, जिसमें बार-बार पुन: प्रमाणीकरण के लिए बाध्य करने के लिए सत्र साइन-इन आवृत्ति 1 घंटे पर सेट की जाए

बिना किसी अपवाद के अपनी कंपनी के गृह देश/क्षेत्र के बाहर के स्थानों से सभी Azure मशीन लर्निंग एक्सेस को ब्लॉक करें, और अंतरराष्ट्रीय यात्रियों के लिए VPN कनेक्टिविटी की आवश्यकता होती है

जोखिम-आधारित साइन-इन नीति लागू करें जिसके लिए मध्यम और उच्च-जोखिम वाले प्रमाणनों के लिए MFA की आवश्यकता होती है, जो संभावित यात्रा विसंगति का पता लगाने के साथ संयुक्त है जो स्वचालित रूप से संदिग्ध साइन-इन को लंबित सुरक्षा समीक्षा को ब्लॉक करता है

आपकी एमएल इंजीनियरिंग टीम ने एक स्वचालित प्रशिक्षण पाइपलाइन बनाई है जो अद्यतन डेटा के साथ मॉडल को फिर से प्रशिक्षित करने के लिए रात में चलती है। पाइपलाइन को Azure Machine Learning को प्रमाणित करने, Azure Data Lake से प्रशिक्षण डेटा पढ़ने, मॉडल रजिस्ट्री में मॉडल लिखने और Azure मॉनिटर पर मीट्रिक लॉग करने की आवश्यकता है। टीम शुरू में क्लाइंट सीक्रेट के साथ एक सेवा प्रिंसिपल का उपयोग किया, लेकिन आपके सुरक्षा ऑडिट ने CI/CD उपकरण में स्थिर क्रेडेंशियल स्टोरेज के कारण इसे गैर-अनुपालन के रूप में चिह्नित किया। स्वचालन विश्वसनीयता बनाए रखते हुए कौन सा प्रमाणीकरण दृष्टिकोण अनुपालन आवश्यकताओं को सर्वोत्तम रूप से पूरा करता है?

पाइपलाइन चलाने वाले Azure मशीन लर्निंग कंप्यूट क्लस्टर पर सिस्टम-असाइन की गई प्रबंधित पहचान सक्षम करें, फिर इसे डेटा लेक पर पढ़ने की अनुमतियों के साथ कस्टम RBAC भूमिकाएँ असाइन करें, मॉडल रजिस्ट्री पर अनुमतियाँ लिखें और मॉनिटर कार्यस्थान पर मीट्रिक योगदानकर्ता अनुमतियाँ

मौजूदा सेवा प्रिंसिपल के लिए एक X.509 प्रमाणपत्र जनरेट करें, इसे Azure कुंजी वॉल्ट में प्रतिबंधात्मक पहुँच नीतियों के साथ संग्रहीत करें, और प्रमाणीकरण के लिए रनटाइम पर प्रमाणपत्र प्राप्त करने के लिए पाइपलाइन कोड को संशोधित करें

संपूर्ण Azure सदस्यता पर स्वामी भूमिका के साथ उपयोगकर्ता-असाइन की गई प्रबंधित पहचान बनाएँ ताकि यह सुनिश्चित हो सके कि इसमें सभी वर्तमान और भविष्य की पाइपलाइन आवश्यकताओं के लिए अनुमतियाँ हैं

अपने काम की जांच करने से पहले आपको सभी सवालों के जवाब देने होंगे।

प्रतिक्रिया

क्या यह पेज मददगार था?