4.1標準
顧客データを要約・検索・ログへ利用する。
処理経路ごとの漏えいを確認する。
脅威分析として適切なものを2つ選べ。
× 不正解
プライバシー脅威分析は収集から削除までデータフローを図示し、再識別・記憶・共有・誤送信・保持超過を評価する。
詳細解説
誤り入力を匿名化したらログや出力の確認は不要である
処理の別段階で露出する可能性がある。
誤り内部利用ならプライバシー脅威は存在しない
内部の誤操作や侵害もあり得る。
正しい再識別、記憶、過剰共有、誤送信、保持超過をリスクとして評価する
AI固有のプライバシーリスクを洗い出せる。
正しい収集、転送、推論、検索、ログ、キャッシュ、出力、削除の境界を図示する
データの流れと露出点を確認できる。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01 Domain 4.1のプライバシー、データフロー、リスクを確認する。
参考にした公式資料
確認できる内容
AIデータの全処理段階にあるプライバシー露出点を分析できる。
理解のポイント
- 脅威モデル
- 再識別
- データフロー
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
プライバシー脅威モデル
個人情報の流れと露出・悪用の可能性を体系的に分析する方法。
再識別
匿名化されたデータを他情報と組み合わせ個人へ戻すこと。
問題IDAWS-AIF-382
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告