기준: MLA-C01 시험 가이드오류 제보
sagemaker:*·iam:PassRole), 작업 실행 중 실패는 실행 역할(S3·ECR·KMS).EnableNetworkIsolation(모든 아웃바운드 차단)."안전하게, 통제 가능하게, 싸게" 운영하는 네 갈래는 따로 보이지만 실제로는 하나의 운영 정책으로 묶인다.
| 축 | 핵심 질문 | 주요 도구 | 대표 설정 키 | 헷갈리기 쉬운 함정 |
|---|---|---|---|---|
| 권한(Day1) | 누가 무엇을 하나 | 실행 역할, IAM 정책, PassRole | RoleArn, iam:PassRole | "S3 거부"=실행 역할 문제, PassRole 누락 |
| 네트워크(Day2) | 트래픽이 어디로 | VPC 모드, 네트워크 격리, VPC 엔드포인트 | VpcConfig, EnableNetworkIsolation | 엔드포인트 누락=작업 멈춤 |
| 암호화(Day3) | 데이터·모델 보호 | KMS(CMK), at-rest/in-transit, Secrets | KmsKeyId, VolumeKmsKeyId | kms:Decrypt 누락 |
| 비용(Day4) | 어떻게 아끼나 | Spot, right-size, 서버리스/배치, 자동종료, 태그 | EnableManagedSpotTraining, Tags | 안 끈 리소스, Spot은 학습만 |
이 네 축은 AWS Well-Architected의 보안·비용 최적화 기둥을 ML에 적용한 것이다. 공통 사상은 "기본값을 신뢰하지 말고 명시적으로 좁혀라". 시험은 "가장 안전한"·"가장 비용 효율적인" 보기를 고르라고 하며, 거의 항상 가장 좁고 명시적인 보기가 정답이다. 네 축은 독립이 아니라 서로 물린다 — 실행 역할은 KMS 키 정책과 STS 엔드포인트에서, 네트워크는 인터페이스 엔드포인트 과금에서 비용과 만난다.
핵심은 두 경로 분리다. 사용자 정책 은 API 호출 권한(sagemaker:CreateTrainingJob)과 iam:PassRole을 결정하고, 실행 역할 은 SageMaker가 작업 중 건드리는 S3·ECR·CloudWatch·KMS를 결정한다.
[권한이 흐르는 경로]
사용자 / CI
│ ① sagemaker:CreateTrainingJob (사용자 정책)
│ ② iam:PassRole → SageMakerExecutionRole
▼
SageMaker 서비스
│ ③ sts:AssumeRole (실행 역할의 신뢰 정책이 허용해야 함)
▼
실행 역할 ── ④ 권한 정책으로 실제 리소스 접근
├──▶ S3 (Get/PutObject) · ECR (이미지 pull) · CloudWatch Logs
└──▶ KMS (Decrypt / GenerateDataKey) ← 키 정책도 이 역할을 허용해야 함①·②가 막히면 작업이 생성조차 안 되고(is not authorized to perform: iam:PassRole), ③·④가 막히면 작업은 시작됐다가 실행 중에 실패한다(S3/KMS Access Denied). 오류가 나온 시점이 곧 진단의 첫 갈림길이다.
최소 권한은 액션·리소스·조건 세 축으로 좁힌다. 관리형 AmazonSageMakerFullAccess는 학습용으로는 편하지만 프로덕션에는 과도하고, 가드레일은 명시적 Deny로 강제한다(명시적 거부가 어떤 허용보다 우선). PassRole은 리소스를 *로 열면 권한 상승 경로가 되므로, 넘길 역할 ARN을 특정하고 iam:PassedToService로 넘길 서비스까지 못박는다.
세 단계는 대체재가 아니라 겹쳐 쓰는 레이어다. 아래로 갈수록 강하고 제약도 크다.
| 단계 | 설정 | 무엇을 하나 | 대가 |
|---|---|---|---|
| ① VPC 모드 | VpcConfig(Subnets·SecurityGroupIds) | 컨테이너를 고객 VPC 서브넷(ENI)에 붙여 보안 그룹·라우팅 등 VPC 통제를 적용 | 엔드포인트를 직접 갖춰야 함 |
| ② VPC 엔드포인트 | 게이트웨이 / 인터페이스(PrivateLink) | 인터넷 게이트웨이 없이 S3·SageMaker API·ECR·Logs·STS에 도달 | 인터페이스는 과금 |
| ③ 네트워크 격리 | EnableNetworkIsolation: true | 컨테이너의 모든 아웃바운드 차단(인터넷·VPC 내부 포함) | 의존성을 이미지에 선탑재해야 함 |
| 구분 | 게이트웨이 엔드포인트 | 인터페이스 엔드포인트(PrivateLink) |
|---|---|---|
| 대상 서비스 | S3, DynamoDB 전용 | SageMaker API/Runtime, ECR, Logs, STS 등 대부분 |
| 동작 방식 | 라우팅 테이블에 경로 추가 | 서브넷에 ENI 생성 + 프라이빗 IP 부여 |
| 비용 | 없음 | 시간·데이터 처리량당 과금 |
| 보안 그룹 | 붙지 않음(라우팅 기반) | ENI에 보안 그룹이 붙음 |
[VPC 모드 학습에 필요한 엔드포인트]
com.amazonaws.<region>.s3 (게이트웨이) → 학습 데이터 / 아티팩트
com.amazonaws.<region>.sagemaker.api (인터페이스) → 작업 제어
com.amazonaws.<region>.sagemaker.runtime (인터페이스) → 추론 호출
com.amazonaws.<region>.ecr.dkr / ecr.api (인터페이스) → 컨테이너 이미지 pull
com.amazonaws.<region>.logs (인터페이스) → CloudWatch Logs
com.amazonaws.<region>.sts (인터페이스) → 역할 assume보안 그룹은 ENI 레벨 방화벽이다. 컨테이너 SG는 자기 참조 인바운드(노드 간 통신)와 443 아웃바운드(엔드포인트 SG 대상)를, 엔드포인트 SG는 443 인바운드를 갖는다. 자기 참조 규칙이 없으면 멀티 노드 학습이 시작되지 않는다.
⚠️ 함정: "VPC 모드로 바꿨더니 작업이 시작은 되는데 진행이 안 되고 타임아웃"은 하이퍼파라미터 문제가 아니라 거의 항상 S3/ECR 엔드포인트 누락이다. 반대로 작업이 아예 생성되지 않으면 네트워크가 아니라 권한(PassRole) 쪽을 본다.
보호 대상별로 어디에 무엇을 거는지 굳혀둔다.
| 보호 대상 | 유형 | 거는 곳 |
|---|---|---|
| S3 학습 데이터 | at-rest | SSE-KMS(CMK 권장) + 버킷 정책으로 비암호화 업로드 Deny |
| 학습 인스턴스 볼륨 | at-rest | ResourceConfig.VolumeKmsKeyId (EBS/로컬 스토리지) |
| 모델 아티팩트 | at-rest | OutputDataConfig.KmsKeyId (model.tar.gz도 지적 자산) |
| 분산 학습 노드 간 | in-transit | EnableInterContainerTrafficEncryption (멀티 노드에서만 의미) |
| S3↔컨테이너·엔드포인트 호출 | in-transit | TLS/HTTPS (호스팅 볼륨은 KmsKeyId로 at-rest) |
| DB 비밀번호·API 키 | Secrets | Secrets Manager / Parameter Store (하드코딩 금지) |
| 선택지 | 고르는 순간 |
|---|---|
| AWS 관리형 키 vs CMK | 설정만 간단하면 되면 관리형, 키 정책 통제·CloudTrail 감사·crypto-shredding이 필요하면 CMK(규제 표준) |
| Secrets Manager vs Parameter Store(SecureString) | 자동 회전이 필요하면 Secrets Manager, 단순 설정값·토큰이면 Parameter Store(회전 수동) |
권한과 암호화는 KMS에서 만난다. 암호화된 데이터를 읽으려면 IAM 정책의 kms:Decrypt AND 키 정책의 역할 허용이 둘 다 필요하고, 쓰기는 kms:GenerateDataKey가 추가로 필요하다. "S3는 줬는데 안 된다"의 답이 KMS인 이유다.
| 영역 | 수단 | 효과 | 쓰면 안 되는 곳 |
|---|---|---|---|
| 학습 | Managed Spot + 체크포인트 | 최대 90% 절감 | 실시간 엔드포인트(회수 시 서비스 중단) |
| 인스턴스 | 트리·선형=CPU, 딥러닝 학습=GPU, 딥러닝 추론=Inferentia | 과프로비저닝·미스매치 제거 | XGBoost에 고성능 GPU(효과 없음) |
| 인스턴스 | Inference Recommender | 부하 테스트로 최적 타입 추천 | — |
| 추론 | 서버리스 / 비동기 / 배치 변환 | 유휴 구간 비용을 0에 근접 | 상시 트래픽(콜드 스타트만 손해) |
| 추론 | 실시간 + 오토스케일 + MME | 상시 트래픽의 단위 비용 절감 | 유휴가 대부분인 워크로드 |
| 운영 | 유휴 노트북 자동 종료, 엔드포인트 정리, MaxRuntimeInSeconds | 안 끈 리소스·폭주 작업 차단 | — |
| 운영 | 태그 + Cost Explorer + Budgets | 측정→귀속→예산→알림 | — |
| 운영 | Savings Plans / 예약 인스턴스 | 상시 워크로드 약정 할인 | 간헐적 워크로드(약정만 손해) |
[추론 비용 결정 트리]
유휴 구간(트래픽 0)이 있는가?
├─ 예 ─▶ 일괄 처리로 미뤄도 되나?
│ ├─ 예 ─▶ 배치 변환 (작업 종료 시 인스턴스 내림 → 가장 저렴)
│ └─ 아니오 ─▶ 페이로드가 큰가?
│ ├─ 예 ─▶ 비동기 추론
│ └─ 아니오 ─▶ 서버리스 추론 (콜드 스타트 감수)
└─ 아니오(상시) ─▶ 실시간 + 오토스케일링 + MME(다수 모델) + Inferentia(딥러닝)⚠️ 함정: "비용을 줄여라"만 보고 Spot을 고르면 안 된다. Spot은 재개 가능한 학습 전용이고, 실시간 엔드포인트 비용 절감의 정답 후보는 서버리스 전환·오토스케일·MME·Inferentia·Savings Plans다.
시험 지문의 키워드는 거의 그대로 기능을 지목한다. 통째로 외우는 게 가장 빠르다.
| 지문 키워드 | 지목되는 기능 |
|---|---|
| "인터넷을 경유하면 안 된다" | VPC 모드 + VPC 엔드포인트(S3는 게이트웨이, 나머지는 인터페이스) |
| "컨테이너의 외부 통신을 완전히 차단" | EnableNetworkIsolation: true + 의존성 이미지 선탑재 |
| "고객이 키를 통제·감사해야" | 고객 관리형 키(CMK) + CloudTrail |
| "저장·전송 데이터 모두 보호" | SSE-KMS + TLS·EnableInterContainerTrafficEncryption |
| "비밀번호를 주기적으로 자동 회전" | Secrets Manager (단순 설정값이면 Parameter Store) |
| "암호화 안 된 업로드를 원천 차단" | 버킷/IAM 정책의 조건부 명시적 Deny |
| "가장 안전한 정책을 고르시오" | 액션·리소스가 가장 좁고 버킷 ARN이 특정된 보기 |
| "재개 가능한 학습의 비용 최소화" | Managed Spot + CheckpointConfig |
| "야간·주말 트래픽이 0" | 서버리스 추론(큰 페이로드면 비동기, 일괄이면 배치 변환) |
| "팀·프로젝트별 비용을 나눠 보고 싶다" | 비용 할당 태그 + Cost Explorer(예산 초과 알림은 Budgets) |
Week 9의 디버깅은 네 갈래로 환원된다 — "사용자냐 실행 역할이냐", "엔드포인트 누락이냐", "kms:Decrypt냐", "안 끈 리소스냐".
| 증상 | 원인 | 조치 |
|---|---|---|
작업 생성이 iam:PassRole 오류로 실패 | 사용자 정책에 PassRole 없음 | 역할 ARN·iam:PassedToService를 특정한 PassRole 추가 |
작업은 시작됐는데 S3 Access Denied | 실행 역할에 버킷 권한 없음 | 해당 버킷 ARN으로 s3:GetObject/PutObject 부여 |
| S3 권한은 있는데 암호화 객체 읽기 실패 | kms:Decrypt 누락 또는 키 정책 미허용 | IAM 정책 + CMK 키 정책 양쪽 에 실행 역할 허용 |
| VPC 모드 후 작업이 멈춰 타임아웃 | S3 게이트웨이·ECR 인터페이스 엔드포인트 누락 | 필요한 엔드포인트 생성 + 라우팅·보안 그룹 443 확인 |
| 멀티 노드 학습이 시작되지 않음 | 보안 그룹 자기 참조 인바운드 누락 | 같은 SG를 출처로 하는 인바운드 규칙 추가 |
| Spot 학습이 매번 처음부터 다시 돔 | CheckpointConfig 미지정 또는 재개 로직 없음 | 체크포인트 S3 경로 지정 + 스크립트에 재개 로직 |
| Spot 작업이 시작도 못 하고 종료 | MaxWaitTimeInSeconds < MaxRuntimeInSeconds | 대기 시간을 실행 시간 이상으로 상향 |
| 월 비용이 원인 불명으로 급증 | 방치된 노트북·엔드포인트, 폭주 학습 | 유휴 자동 종료 + 엔드포인트 정리 + MaxRuntimeInSeconds |
"민감 금융 데이터로 딥러닝 사기탐지 모델을 학습·서빙하되 비용을 통제하라"는 요구를 4축으로 분해하면 이렇게 된다.
[요구] 민감 데이터 · 인터넷 경유 금지 · 고객 키 통제 · 비용 절감
권한 데이터 버킷 읽기 / 아티팩트 버킷 쓰기만 허용한 최소 권한 실행 역할
│ + 그 역할로 한정한 PassRole + 비암호화 업로드 Deny 가드레일
네트워크 VPC 모드(프라이빗 서브넷) + 엔드포인트 6종, IGW 없음
│ + 분산이면 SG 자기 참조 / 극단적 민감도면 네트워크 격리
암호화 CMK 하나로 볼륨·아티팩트 at-rest + 노드 간 in-transit
│ + 키 정책에 실행 역할 허용 / DB 자격증명은 Secrets Manager
비용 Spot+체크포인트 / 추론은 트래픽 패턴대로 / 태그·유휴 자동 종료이걸 하나의 학습 작업 요청으로 옮기면 네 축이 전부 파라미터로 나타난다.
import boto3
sm = boto3.client("sagemaker")
sm.create_training_job(
TrainingJobName="fraud-dl-2026-01",
RoleArn=EXEC_ROLE_ARN, # 권한: 최소 권한 실행 역할
OutputDataConfig={"S3OutputPath": "s3://ml-artifacts/fraud/",
"KmsKeyId": CMK_ARN}, # 암호화: 아티팩트 at-rest
ResourceConfig={"InstanceType": "ml.g5.xlarge", "InstanceCount": 2,
"VolumeKmsKeyId": CMK_ARN}, # 암호화: 볼륨 at-rest
VpcConfig={"Subnets": ["subnet-0a1b2c3d", "subnet-4e5f6a7b"],
"SecurityGroupIds": ["sg-0123456789abcdef0"]}, # 네트워크
EnableNetworkIsolation=True, # 네트워크: 아웃바운드 전면 차단
EnableInterContainerTrafficEncryption=True, # 암호화: 노드 간 in-transit
EnableManagedSpotTraining=True, # 비용: Spot
CheckpointConfig={"S3Uri": "s3://ml-checkpoints/fraud/"},
StoppingCondition={"MaxRuntimeInSeconds": 86400,
"MaxWaitTimeInSeconds": 90000}, # 비용: 폭주 차단
Tags=[{"Key": "Team", "Value": "risk"}, # 거버넌스: 비용 귀속
{"Key": "Project", "Value": "fraud-ml"}],
)절감분은 describe_training_job 응답의 TrainingTimeInSeconds(실제 학습 시간)와 BillableTimeInSeconds(과금 시간) 차이로 확인한다.
이 스니펫이 Week 9의 압축판이다 — RoleArn(권한) → VpcConfig·EnableNetworkIsolation(네트워크) → KmsKeyId·VolumeKmsKeyId(암호화) → EnableManagedSpotTraining·Tags(비용·거버넌스). 지문을 읽을 때 "이 요구가 어느 파라미터로 떨어지는가"를 떠올리면 보기 판별이 즉시 끝난다.
이로써 ML 솔루션의 운영 영역까지 한 바퀴를 돌았다. 다음은 그동안 쌓은 지식을 실전 모의고사로 다지는 단계다.
sagemaker.amazonaws.com이 들어가야 한다.Team·Project 같은 태그. 이게 있어야 Cost Explorer에서 팀·프로젝트별 비용을 쪼개 볼 수 있다.선택지를 클릭하면 정답·해설이 펼쳐집니다.
문제 1
민감 데이터로 학습하는 워크로드에서 "컨테이너가 인터넷으로 데이터를 유출할 수 없게 하라"와 "학습 데이터·아티팩트를 고객이 통제하는 키로 암호화하라"를 동시에 만족해야 한다. 가장 적절한 조합은?
문제 2
사용자는 sagemaker:CreateTrainingJob 권한이 있고 실행 역할도 적절한 S3 권한을 가졌다. 그런데 작업 생성이 "is not authorized to perform: iam:PassRole"로 실패한다. 원인과 해결로 맞는 것은?
문제 3
여러 데이터 사이언스 팀이 한 계정에서 SageMaker를 사용하는데, 매월 비용이 통제 불능으로 늘고 누가 얼마 쓰는지 알 수 없다. 비용을 가시화하고 통제하는 가장 적절한 조치 조합은?
문제 4
SSE-KMS(CMK)로 암호화된 S3 학습 데이터를 VPC 모드 학습 작업이 읽으려 한다. 실행 역할에 S3 읽기 권한은 있는데 작업이 KMS 관련 Access Denied로 실패한다. 점검할 항목으로 가장 적절한 것은?
문제 5
다음 중 Week 9에서 다룬 시나리오와 권장 조치의 연결로 잘못된 것은?