Zabezpieczanie zasobów obszaru roboczego usługi Azure Machine Learning przy użyciu sieci wirtualnych

Dowiedz się, jak zabezpieczyć zasoby obszaru roboczego usługi Azure Machine Learning i środowiska obliczeniowe przy użyciu sieci wirtualnych platformy Azure. W tym artykule użyto przykładowego scenariusza pokazującego, jak skonfigurować pełną sieć wirtualną.

Ten artykuł jest częścią serii dotyczącej zabezpieczania przepływu pracy usługi Azure Machine Learning. Zobacz inne artykuły z tej serii:

Aby zapoznać się z samouczkiem dotyczącym tworzenia bezpiecznego obszaru roboczego, zobacz Samouczek: tworzenie bezpiecznego obszaru roboczego, szablonu Bicep lub szablonu narzędzia Terraform.

Wymagania wstępne

W tym artykule założono, że znasz następujące artykuły:

• Sieci wirtualne platformy Azure
• Sieć IP
• Obszar roboczy usługi Azure Machine Learning z prywatnym punktem końcowym
• Sieciowe grupy zabezpieczeń (NSG)
• Zapory sieciowe

Przykładowy scenariusz

W tej sekcji dowiesz się, jak skonfigurować typowy scenariusz sieciowy w celu zabezpieczenia komunikacji usługi Azure Machine Learning z prywatnymi adresami IP.

W poniższej tabeli porównaliśmy, w jaki sposób usługi uzyskują dostęp do różnych części sieci usługi Azure Machine Learning z siecią wirtualną i bez nich:

• Obszar roboczy — utwórz prywatny punkt końcowy dla obszaru roboczego. Prywatny punkt końcowy łączy obszar roboczy z siecią wirtualną za pośrednictwem kilku prywatnych adresów IP.
  • Dostęp publiczny — opcjonalnie możesz włączyć dostęp publiczny dla zabezpieczonego obszaru roboczego.
• Skojarzony zasób — użyj punktów końcowych usługi lub prywatnych punktów końcowych, aby połączyć się z zasobami obszaru roboczego, takimi jak Azure Storage i Azure Key Vault. W przypadku usług Azure Container Services użyj prywatnego punktu końcowego.
  • Punkty końcowe usługi zapewniają tożsamość sieci wirtualnej w usłudze platformy Azure. Po włączeniu punktów końcowych usług w swojej sieci wirtualnej możesz dodać regułę sieci wirtualnej, aby zabezpieczyć zasoby usługi Azure za pomocą sieci wirtualnej. Punkty końcowe usługi używają publicznych adresów IP.
  • Prywatne punkty końcowe to interfejsy sieciowe, które bezpiecznie łączą Cię z usługą obsługiwaną przez usługę Azure Private Link. Prywatny punkt końcowy używa prywatnego adresu IP z Twojej sieci VNet, co w praktyce włącza usługę do Twojej sieci VNet.
• Dostęp do zasobów obliczeniowych na potrzeby trenowania — dostęp do obiektów docelowych obliczeń na potrzeby trenowania, takich jak Azure Machine Learning Compute Instance i Azure Machine Learning Compute Clusters, z publicznymi lub prywatnymi adresami IP.
• Dostęp do zasobów obliczeniowych na potrzeby inferencji - Uzyskiwanie dostępu do klastrów obliczeniowych usługi Azure Kubernetes Service (AKS) przy użyciu prywatnych adresów IP.

W następnych sekcjach pokazano, jak zabezpieczyć opisany wcześniej scenariusz sieciowy. Aby zabezpieczyć sieć, musisz:

1. Zabezpieczanie obszaru roboczego i skojarzonych zasobów.
2. Zabezpieczanie środowiska szkoleniowego.
3. Zabezpiecz środowisko inferencyjne.
4. Opcjonalnie: włącz funkcję Studio.
5. Skonfiguruj ustawienia zapory.
6. Konfigurowanie rozpoznawania nazw DNS.

Publiczny obszar roboczy i zabezpieczone zasoby

Aby uzyskać dostęp do obszaru roboczego za pośrednictwem publicznego Internetu przy zachowaniu wszystkich skojarzonych zasobów zabezpieczonych w sieci wirtualnej, wykonaj następujące czynności:

1. Tworzenie sieci wirtualnej platformy Azure. Ta sieć zabezpiecza zasoby używane przez obszar roboczy.

2. Użyj jednej z następujących opcji, aby utworzyć publicznie dostępny obszar roboczy:

   • Utwórz obszar roboczy usługi Azure Machine Learning, który nie korzysta z sieci wirtualnej. Aby uzyskać więcej informacji, zobacz Zarządzanie obszarami roboczymi usługi Azure Machine Learning.

   LUB

   • Utwórz obszar roboczy z obsługą usługi Private Link, aby umożliwić komunikację między siecią wirtualną a obszarem roboczym. Następnie włącz publiczny dostęp do obszaru roboczego.

3. Dodaj następujące usługi do sieci wirtualnej przy użyciu punktu końcowegousługi lub prywatnego punktu końcowego. Zezwalaj również zaufanym usługi firmy Microsoft na dostęp do tych usług:

   Usługa	Informacje o punkcie końcowym	Zezwalaj na zaufane informacje
   Azure Key Vault	Punkt końcowy usługi Prywatny punkt końcowy	Zezwalaj zaufanym usługi firmy Microsoft na obejście tej zapory
   Konto magazynu platformy Azure	Usługa i prywatny punkt końcowy Prywatny punkt końcowy	Udzielanie dostępu do zaufanych usług platformy Azure
   Azure Container Registry	Prywatny punkt końcowy	Zezwalaj na zaufane usługi

4. We właściwościach konta usługi Azure Storage dla obszaru roboczego dodaj adres IP klienta do listy dozwolonych w ustawieniach zapory. Aby uzyskać więcej informacji, zobacz Konfigurowanie zapór i sieci wirtualnych.

Zabezpieczanie obszaru roboczego i skojarzonych zasobów

Wykonaj poniższe kroki, aby zabezpieczyć obszar roboczy i skojarzone zasoby. Te kroki umożliwiają usługom komunikowanie się w sieci wirtualnej.

Ograniczenia

Zabezpieczanie obszaru roboczego i skojarzonych zasobów w sieci wirtualnej ma następujące ograniczenia:

• Obszar roboczy i domyślne konto magazynu muszą znajdować się w tej samej sieci wirtualnej. Mogą jednak znajdować się w różnych podsieciach w tej samej sieci wirtualnej. Na przykład obszar roboczy może znajdować się w jednej podsieci, a konto magazynowania w innej.

  Zalecamy, aby usługi Azure Key Vault i Azure Container Registry dla obszaru roboczego również znajdują się w tej samej sieci wirtualnej. Jednak oba te zasoby mogą również znajdować się w równorzędnej sieci wirtualnej.

Zabezpieczanie środowiska szkoleniowego

W tej sekcji dowiesz się, jak zabezpieczyć środowisko szkoleniowe w usłudze Azure Machine Learning. Dowiesz się również, jak usługa Azure Machine Learning wykonuje zadanie szkoleniowe, aby zrozumieć, jak konfiguracje sieci współpracują ze sobą.

Aby zabezpieczyć środowisko szkoleniowe, wykonaj następujące czynności:

Przykładowe przesyłanie zadania szkoleniowego

W tej sekcji dowiesz się, jak usługa Azure Machine Learning bezpiecznie komunikuje się między usługami w celu przesłania zadania szkoleniowego. W tym przykładzie pokazano, jak wszystkie konfiguracje współpracują ze sobą w celu zabezpieczenia komunikacji.

1. Klient przekazuje skrypty szkoleniowe i dane szkoleniowe do kont magazynu zabezpieczonych za pomocą usługi lub prywatnego punktu końcowego.

2. Klient przesyła zadanie szkoleniowe do obszaru roboczego usługi Azure Machine Learning za pośrednictwem prywatnego punktu końcowego.

3. Usługa Azure Batch odbiera zadanie z obszaru roboczego. Następnie przesyła zadanie szkoleniowe do środowiska obliczeniowego za pośrednictwem publicznego modułu równoważenia obciążenia dla zasobu obliczeniowego.

4. Zasób obliczeniowy odbiera zadanie i rozpoczyna trenowanie. Zasób obliczeniowy używa informacji przechowywanych w usłudze Key Vault do uzyskiwania dostępu do kont magazynu danych w celu pobierania plików treningowych i przesyłania danych wyjściowych.

Ograniczenia

• Wystąpienia obliczeniowe platformy Azure i klastry obliczeniowe platformy Azure muszą znajdować się w tej samej sieci wirtualnej, regionie i subskrypcji co obszar roboczy. Jeśli skojarzone zasoby znajdują się w innym regionie niż obszar roboczy, może wystąpić dodatkowe opóźnienie.

Zabezpieczanie środowiska wnioskowania

Opcjonalnie: Włączanie dostępu publicznego

Obszar roboczy za siecią wirtualną można zabezpieczyć przy użyciu prywatnego punktu końcowego i nadal zezwalać na dostęp za pośrednictwem publicznego Internetu. Początkowa konfiguracja przebiega tak samo jak zabezpieczanie obszaru roboczego i powiązanych zasobów.

Po zabezpieczeniu obszaru roboczego przy użyciu prywatnego punktu końcowego wykonaj następujące kroki, aby umożliwić klientom zdalne programowanie przy użyciu zestawu SDK lub usługi Azure Machine Learning Studio:

Opcjonalne: włączanie funkcji programu Studio

Jeśli magazyn znajduje się w sieci wirtualnej, należy wykonać dodatkowe kroki konfiguracji, aby włączyć pełną funkcjonalność w programie Studio. Domyślnie następujące funkcje są wyłączone:

• Podgląd danych w programie Studio.
• Wizualizacja danych w projektancie.
• Wdróż model w projektancie.
• Prześlij eksperyment AutoML.
• Rozpoczynanie projektu etykietowania.

Aby włączyć pełną funkcjonalność programu Studio, zobacz Korzystanie z usługi Azure Machine Learning Studio w sieci wirtualnej.

Ograniczenia

Etykietowanie danych wspomagane przez ML nie obsługuje domyślnego konta magazynu znajdującego się za siecią wirtualną. Zamiast tego użyj konta magazynu innego niż domyślne w przypadku etykietowania danych wspomaganych przez uczenie maszynowe.

Konfigurowanie ustawień zapory

Skonfiguruj zaporę do kontrolowania ruchu między zasobami obszaru roboczego usługi Azure Machine Learning a publicznym Internetem. Chociaż zalecamy usługę Azure Firewall, możesz używać innych produktów zapory sieciowej.

Aby uzyskać więcej informacji na temat ustawień zapory, zobacz Używanie obszaru roboczego za zaporą.

Niestandardowy DNS

Jeśli musisz użyć niestandardowego rozwiązania DNS dla sieci wirtualnej, musisz dodać rekordy hostów dla obszaru roboczego.

Aby uzyskać więcej informacji na temat wymaganych nazw domen i adresów IP, zobacz , jak używać obszaru roboczego z niestandardowym serwerem DNS.

Microsoft Sentinel

Microsoft Sentinel to rozwiązanie zabezpieczeń, które można zintegrować z usługą Azure Machine Learning. Na przykład można ją zintegrować z notesami Jupyter udostępnianymi za pośrednictwem usługi Azure Machine Learning. Aby uzyskać więcej informacji, zobacz Używanie notesów Jupyter do polowania na zagrożenia bezpieczeństwa.

Dostęp publiczny

Usługa Microsoft Sentinel może automatycznie utworzyć obszar roboczy, jeśli akceptujesz publiczny punkt końcowy. W tej konfiguracji analitycy centrum operacji zabezpieczeń (SOC) i administratorzy systemu łączą się z notesami w obszarze roboczym za pośrednictwem usługi Sentinel.

Aby uzyskać informacje na temat tego procesu, zobacz Tworzenie obszaru roboczego usługi Azure Machine Learning z usługi Microsoft Sentinel.

Prywatny punkt końcowy

Jeśli chcesz zabezpieczyć obszar roboczy i skojarzone zasoby w sieci wirtualnej, musisz najpierw utworzyć obszar roboczy usługi Azure Machine Learning. Musisz również utworzyć serwer przesiadkowy maszyny wirtualnej w tej samej sieci wirtualnej co obszar roboczy i włączyć łączność z usługą Azure Bastion. Podobnie jak w przypadku konfiguracji publicznej, analitycy SOC i administratorzy mogą łączyć się przy użyciu usługi Microsoft Sentinel, ale niektóre operacje muszą być wykonywane przy użyciu usługi Azure Bastion w celu nawiązania połączenia z maszyną wirtualną.

Aby uzyskać więcej informacji na temat tej konfiguracji, zobacz Tworzenie obszaru roboczego usługi Azure Machine Learning z usługi Microsoft Sentinel.

Powiązana zawartość

Ten artykuł jest częścią serii dotyczącej zabezpieczania przepływu pracy usługi Azure Machine Learning. Zobacz inne artykuły z tej serii: