ネットワーク
シナリオに依りますが、機械学習では秘匿性の高いデータを用いることがあるためネットワークセキュリティを考慮したシステムを構築・運用管理していく必要があります。本ページでは仮想ネットワークを用いた Azure Machine Learning のネットワーク構成について説明します。
PaaS サービスの仮想ネットワーク対応
PaaS サービスを構築するとデフォルトでは Public Endpoint という Public IP で構成される接続先が存在します。セキュリティレベルを上げるため、Private Endpoint と呼ばれる Private IPアドレスの接続先を利用することができます。
Private Endpoint と PaaS サービスの牽連付は Private Link が担当します。Public Endpoint を無効化することでインターネット環境などの外部からのアクセスを遮断することができます。
Azure Machine Learning のネットワーク閉域化
Azure Machine Learning のネットワーク閉域化は Private Link を使います。基本的には、
- Azure Machine Learning Workspace への Private Link
- Azure Storage Account、Azure Key Vault、Azure Container Registry への Private Link
を構成します。
参考情報
構成例
デフォルト構成
デフォルト設定で構築される Public Endpoint を持つ構成。
特徴
- 基本的は Public Endpoint を用いた接続
- Azure Machine Learning Workspace の認証は Azure Active Directory で実施
- Azure Storage アカウントはアクセスキーでのアクセスが可能な状態
一部サービスのみ閉域化
Azure Machine Learning Workspace に対する Private Link の構成は行わず、ストレージや計算リソースに対して仮想ネットワーク対応を行う。
特徴
- Azure Storage アカウントや Compute Instance & Compute Cluster は仮想ネットワーク対応
- Azure Machine Learning Workspace の認証は Azure Active Directory で実施
- 接続元のクライアントが Azure Storage アカウントのデータを参照できるように、クライアントを仮想ネットワークに配置する or 接続元のクライアントのパブリック IP アドレスを Storage のホワイトリストに追加
全体の閉域化
Azure Machine Learning Workspace や関連する PaaS サービスに対して Private Link を構成する構成。
特徴
- Azure Machine Learning Workspace や関連する Azure Storage アカウント、Azure Key Vault、Azure Container Registry を全て Private Link で構成
- 接続元のクライアントは VPN などで仮想ネットワークに接続されている or 仮想ネットワーク内部に存在
Hub & Spoke 構成
Hub & Spoke ネットワークトポロジを用いる構成。仮想ネットワークから外へのインターネット通信を Hub にある Azure Firewall で一元的に制御することがガバナンスを強化する。
特徴
- 仮想ネットワーク外部へのインターネット通信は Azure Firewall を経由
- Azure Firewall で一元的に Service Tag (IPアドレスプラフィックスのグレープ) や FQDN でのネットワーク制御とログ収集
参考情報
考慮事項
Public IP or No Public IP
Compute Instance と Compute Cluster の IP アドレスはデフォルトでは Public IP が付与されます。No Public IP の設定は 2022年9月現在 Public Preview の機能としてご利用いただけます。
Public IP
- Public IP の環境下では Network Security Group (NSG) の受信アクセス (Inbound) において、サービスタグで "Azure Machine Learning" と "Batch NodeManagement" を許可する必要があります。
No Public IP
- 受信アクセス (Inbound) の設定は不要です。
- Azure Active Direcotry や Microsoft Container Registry などの Azure/Microsoft 内部のサービスや Azure 外部へのインターネット接続をするために、ユーザー定義ルーティング (UDR) を構成して、Firewall の Public IP や Virtual Network NAT を使用する必要があります。
Private Endpoint の名前解決
Private Endpoint を利用する際はクライアントから Private Endpoint の名前解決が必要です。Azure の仮想ネットワーク内から接続する際は、デフォルトでは Private DNS Zone が名前解決 (接続先URL → Private Endpoint の Private IP) をします。
オンプレミスからのアクセス
Private DNS Zone での名前解決は Azure DNS (168.63.129.16) へのアクセスによって実現されますが、これは Azure 内部からのみアクセスできます。そのため次のいずれかの方法で接続をします。
- Azure 上に DNS Forwarder を構築
- Azure Firewall の DNS Proxy 機能を利用
- クライアント端末の hosts ファイルにレコード追加
Azure 外部へのインターネット通信の必要性
近年の機械学習はオープンソースの Python や R のライブラリ、GitHub にあるようなコード、オープンデータなどといった、インターネット上にあるさまざまなコンテンツを活用することが多いです。Azure Machine Learning のネットワーク制御においてインターネット通信を完全に遮断することでこういったコンテンツを簡単に利用できなくなり、Data Scientist の生産性を下げることに繋がります。
Non-sensitive Zone と Sensitive Zone のハイブリッド運用
ワークアラウンドとして次のセキュリティレベルが異なる 2 つの Workspace を準備することが挙げられます。
Non-sensitive Zone
外部とのインターネット通信が許可されている Workspace 環境。この環境では機械学習ライフサイクルでは序盤に位置付けられる試行錯誤的なモデル構築のフェーズで利用される。セキュリティのリスクが高いため、可能な限りデータは暗号化されていたり、擬似的なものを利用するのが望ましい。試行錯誤終了後は、Data Scientist や機械学習エンジニアは本番環境での学習や推論で利用する Docker Image を作成するところまでを担当する。
Sensitive Zone
外部とのインターネット通信が遮断されている Workspace 環境。閉域環境で処理が実行されるため、セキュリティのリスクが低い。処理は Non-sensitive Zone で作成されてインポートされた Docker Image を Azure Machine Learning Environment として利用する。この環境では試行錯誤的な作業は難しく、バッチ型のモデル学習や推論が実行される。
