Amazon SageMaker Ground Truth está revolucionando la forma en que se etiquetan datos al combinar la intervención humana con el aprendizaje automático para automatizar el proceso de etiquetado. Este servicio permite crear trabajos de etiquetado, que son flujos de trabajo donde se requiere que los trabajadores humanos anoten objetos de datos como imágenes, videos o documentos. Estos trabajos se distribuyen entre un equipo de trabajo, que es un grupo de trabajadores asignados para realizar las anotaciones. Para acceder a los objetos de datos que necesitan etiquetar, los trabajadores reciben URLs prefirmadas de Amazon S3, las cuales son URLs temporales que otorgan acceso limitado en tiempo a un objeto de Amazon Simple Storage Service (Amazon S3). Estas URLs prefirmadas se generan utilizando el filtro Liquid grant_read_access y se integran en las plantillas de tareas. Luego, los trabajadores pueden usar estas URLs para acceder directamente a los archivos necesarios, como imágenes o documentos, en sus navegadores web para fines de anotación. A pesar de su conveniencia, compartir estas URLs fuera del equipo de trabajo puede llevar a un acceso no intencionado de los objetos. Para mitigar este riesgo y mejorar la seguridad de las tareas de etiquetado, se ha introducido una nueva característica que restringe el acceso a las URLs prefirmadas según la dirección IP del trabajador o el punto final de la nube privada virtual (VPC) desde donde accede a la tarea de etiquetado.
Trab...