이 브라우저는 더 이상 지원되지 않습니다.
최신 기능, 보안 업데이트, 기술 지원을 이용하려면 Microsoft Edge로 업그레이드하세요.
다음 각 질문에 대해 가장 적합한 답변을 선택하세요.
데이터 과학 팀에는 15명의 정규직 직원과 파트너 회사의 8명의 계약자가 포함됩니다. 계약업체는 3개월 동안 개발 Azure Machine Learning 작업 영역에 일시적으로 액세스해야 하지만 프로젝트가 종료되면 자동으로 액세스 권한을 잃게 됩니다. 보안 정책은 계약자가 프로덕션 작업 영역에 액세스하는 것을 금지합니다. 최소한의 지속적인 관리로 이러한 요구 사항을 가장 잘 구현하는 방법은 무엇입니까?
employeeType 및 부서 특성에 따라 동적 멤버 자격 규칙을 사용하여 Project-Contractors이라는 보안 그룹을 만들고, 개발 작업 영역에서만 읽기 권한자 역할을 할당하고, 그룹의 만료 정책을 90일로 설정합니다.
개발 및 프로덕션 작업 영역 모두에서 읽기 권한자 역할을 사용하여 기존 데이터 과학자 그룹에 모든 계약자를 개별적으로 추가한 다음 3개월 후에 수동으로 제거하도록 일정 미리 알림을 예약합니다.
모든 작업 영역에서 인증서 기반 인증 및 기여자 역할을 사용하여 각 계약자에 대한 서비스 주체를 만들고 90일 만료가 있는 Azure Key Vault에 인증서를 저장합니다.
보안 팀은 의심스러운 활동을 보고합니다. 2시간 이내에 3개 국가/지역에서 Azure Machine Learning Studio에 인증된 데이터 과학자의 계정은 물리적으로 불가능합니다. 영향을 받는 사용자는 암호가 공유되지 않았음을 확인합니다. 회의를 위해 자주 여행하는 합법적인 사용자에게 미치는 영향을 최소화하면서 이러한 유형의 공격을 방지해야 합니다. 이 위협을 가장 잘 해결하는 조건부 액세스 정책 구성은 무엇인가요?
세션 로그인 빈도를 1시간으로 설정하여 잦은 재인증이 강제로 적용되도록 모든 위치에서 모든 Azure Machine Learning 액세스에 대해 규격 디바이스와 MFA를 요구하는 정책을 만듭니다.
예외 없이 회사의 본국/지역 외부 위치에서 모든 Azure Machine Learning 액세스를 차단하고 국제 여행객을 위한 VPN 연결이 필요합니다.
중간 및 높은 위험 수준의 인증에 대해 다단계 인증(MFA)을 요구하는 위험 기반 로그인 정책을 구현하고, 불가능한 위치 이동 이상 탐지를 결합하여 의심스러운 로그인을 자동으로 차단하고 보안 검토를 대기하도록 합니다.
ML 엔지니어링 팀은 업데이트된 데이터로 모델을 재학습하기 위해 야간에 실행되는 자동화된 학습 파이프라인을 구축했습니다. 파이프라인은 Azure Machine Learning에 인증하고, Azure Data Lake에서 학습 데이터를 읽고, 모델 레지스트리에 모델을 작성하고, 메트릭을 Azure Monitor에 기록해야 합니다. 팀은 처음에 클라이언트 비밀과 함께 서비스 주체 계정을 사용했지만 보안 감사에서는 CI/CD 도구에 자격 증명을 정적으로 저장하는 것을 문제로 삼아 이를 비준수로 표시했습니다. 자동화 안정성을 유지하면서 규정 준수 요구 사항을 가장 잘 충족하는 인증 방법은 무엇입니까?
파이프라인을 실행하는 Azure Machine Learning 컴퓨팅 클러스터에서 시스템 할당 관리 ID를 사용하도록 설정한 다음 Data Lake에 대한 읽기 권한, 모델 레지스트리에 대한 쓰기 권한 및 모니터 작업 영역에 대한 메트릭 기여자 권한으로 사용자 지정 RBAC 역할을 할당합니다.
기존 서비스 주체에 대한 X.509 인증서를 생성하고, 제한적인 액세스 정책을 사용하여 Azure Key Vault에 저장하고, 인증을 위해 런타임에 인증서를 검색하도록 파이프라인 코드를 수정합니다.
전체 Azure 구독에서 소유자 역할을 사용하여 사용자 할당 관리 ID를 만들어 현재 및 미래의 모든 파이프라인 요구 사항에 대한 권한이 있는지 확인합니다.
작업을 확인하기 전에 모든 질문에 대답해야 합니다.
이 페이지가 도움이 되었나요?
이 항목에 대한 도움이 필요하세요?
Ask Learn을 사용하여 이 주제를 명확히 설명하거나 안내하고 싶으신가요?