Kanji
・クラウドエンジニア / フリーランス ・1993年生まれ ・愛媛県出身 / 東京都渋谷区在住 ・AWS歴5年 プロフィールの詳細
目次
bedrock:GuardrailIdentifier
社内の業務支援AIやマルチエージェント基盤を Amazon Bedrock 上で構築し始めた頃、僕が一番神経を尖らせていたのは「生成AIの安全管理(ガードレール)」でした。
顧客データや社内ドキュメントを扱う以上、個人情報(氏名、マイナンバー、クレジットカード番号、電話番号)のマスキング、競合企業に関する言及の禁止、不適切発言の遮断、そして何よりプロンプトインジェクション(脱獄攻撃)への対策は絶対に外せません。幸い Bedrock には強力なマネージド防御機能である「Amazon Bedrock Guardrails」が用意されており、コンソールからポチポチと設定するだけで厳格なポリシーを作成できます。
僕はこのガードレールを作成し、「本番環境では必ずこの Guardrail ID とバージョンを指定して推論を呼ぶこと」と開発Wikiにまとめ、社内のエンジニアにアナウンスしました。
ところが数週間後、AWS CloudTrail と CloudWatch Logs の監査ログを洗っていた僕は、背筋が凍る思いをしました。
なんと、社内のあるデータ分析チームがデプロイした Python スクリプトや、別のチームが導入した OSS ベースの AI エージェントツール(MCP サーバー連携)から、 ガードレールが一切指定されないまま生の Foundation Model(Claude 3.5 Sonnet / Llama 3)が何千回も直接呼び出されていた のです。
# 現場で実際に動いていた素通りコード import boto3 bedrock = boto3.client('bedrock-runtime', region_name='us-east-1') # guardrailIdentifier を渡し忘れているが、IAM権限があるため正常に推論が通ってしまう! response = bedrock.invoke_model( modelId='anthropic.claude-3-5-sonnet-20241022-v2:0', body=b'{"prompt": "...", "max_tokens": 1000}' )
原因は単純でした。開発者が boto3 や LangChain の設定でパラメータの渡し忘れをしていたり、サードパーティ製のエージェントライブラリが Bedrock Guardrails の引数にネイティブ対応していなかったためです。
アプリケーションやクライアントの「良心」にガードレール適用を委ねている限り、コードの書き忘れやシャドーAI、悪意ある内部者のバイパスを 100% 防ぐことは不可能です。「ガードレールはクライアント側で指定するものではなく、クラウドインフラ・IAM のアクセス制御レイヤーで強制(Enforce)されなければならない」と痛感しました。
この根深い課題をインフラレベルで解決するのが、AWS が提供する 「IAM Policy-Based Enforcement for Amazon Bedrock Guardrails(IAM ポリシーによるガードレール強制適用)」 です。
▲ クライアントからの推論リクエストに対し、IAM 評価エンジンでガードレール指定を強制判定し、素通り呼び出しを遮断するアーキテクチャ全体像
IAM Policy-Based Enforcement のコアとなるのが、Amazon Bedrock 向けに提供されている IAM 条件キー bedrock:GuardrailIdentifier です。
従来、Bedrock の推論 API( bedrock:InvokeModel , bedrock:InvokeModelWithResponseStream , bedrock:Converse , bedrock:ConverseStream )に対する IAM 権限は、「そのユーザーや IAM ロールがモデルを呼べるか否か」という大雑把な制御しかできませんでした。
bedrock:InvokeModel
bedrock:InvokeModelWithResponseStream
bedrock:Converse
bedrock:ConverseStream
しかし bedrock:GuardrailIdentifier 条件キーを利用すると、 「リクエストに含まれるガードレールの ARN(バージョン含む)が指定のものでない限り、モデル推論を一切許可しない(あるいは明示的に拒否する)」 という制御を IAM レベルで定義できます。
PutEnforcedGuardrailConfiguration
このシーケンスの決定的な利点は、 ガードレールが未指定のリクエストは Foundation Model に到達する前に IAM 評価エンジンで 403 拒否されるため、モデル推論のトークン課金が 1 円も発生しない 点です。セキュリティ防御とコスト防御が同時に成立します。
それでは、実際に僕が検証環境および本番 IAM ロールに投入したポリシーの書き方を見ていきます。
最も確実なのは、モデル呼び出しを許可する Allow ステートメントに対して、指定のガードレール ARN を持たないリクエストを Deny するステートメントを組み合わせる構成です。
Allow
Deny
{ "Version": "2012-10-17", "Statement": [ { "Sid": "AllowBedrockInvocation", "Effect": "Allow", "Action": [ "bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream", "bedrock:Converse", "bedrock:ConverseStream" ], "Resource": "arn:aws:bedrock:us-east-1::foundation-model/*" }, { "Sid": "AllowGuardrailApplication", "Effect": "Allow", "Action": "bedrock:ApplyGuardrail", "Resource": "arn:aws:bedrock:us-east-1:111122223333:guardrail/abc123def456" }, { "Sid": "EnforceMandatoryCorporateGuardrail", "Effect": "Deny", "Action": [ "bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream", "bedrock:Converse", "bedrock:ConverseStream" ], "Resource": "arn:aws:bedrock:us-east-1::foundation-model/*", "Condition": { "StringNotEquals": { "bedrock:GuardrailIdentifier": "arn:aws:bedrock:us-east-1:111122223333:guardrail/abc123def456:1" } } } ] }
bedrock:ApplyGuardrail
InvokeModel
:1
:2
:DRAFT
StringNotEquals
guardrailIdentifier
マルチアカウント環境では、各アカウントの開発者が勝手に IAM ロールを緩めてしまわないよう、AWS Organizations のルートまたは OU(組織単位)に SCP を配置します。ワイルドカード( * )を含む ARN パターンで判定する場合は、 StringNotEquals ではなく ArnNotLike (または StringNotLike ) を単一条件として記述するのが IAM ポリシー設計の鉄則です(否定条件演算子はキー未指定=Null の場合にも自動的に true と評価されるため、 Null 条件を同じブロックに並べて AND 評価にしてはいけません)。
*
ArnNotLike
StringNotLike
true
Null
{ "Version": "2012-10-17", "Statement": [ { "Sid": "EnforceGuardrailAcrossAllAccounts", "Effect": "Deny", "Action": [ "bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream", "bedrock:Converse", "bedrock:ConverseStream" ], "Resource": "arn:aws:bedrock:*::foundation-model/*", "Condition": { "ArnNotLike": { "bedrock:GuardrailIdentifier": "arn:aws:bedrock:*:*:guardrail/corp-standard-*:*" } } } ] }
※ SCP で「指定のない呼び出しを 403 拒否(Fail-Closed)」する方式に加え、AWS Organizations の Amazon Bedrock Policies やアカウント単位の PutEnforcedGuardrailConfiguration API( aws bedrock put-enforced-guardrail-configuration ) を併用すると、クライアント側で引数を省略したリクエストに対してもアカウント標準ガードレールをインフラ側で自動注入・強制適用させることが可能です。「ワークロードごとに異なる厳格なガードレール指定を義務付けて未指定を弾くなら IAM 条件キー bedrock:GuardrailIdentifier 」「全モデル呼び出しに最低限のベースライン防御を自動適用するなら PutEnforcedGuardrailConfiguration 」と使い分けることで、死角のない多層防御が完成します。
aws bedrock put-enforced-guardrail-configuration
それでは、実際に AWS CLI および Python(boto3)を用いて、この IAM 強制ポリシーがどのように機能するかを検証した生ログを紹介します。
▲ Amazon Bedrock コンソールで設定した企業標準ガードレール(PII マスキング・脱獄攻撃検知)の構成画面
まずは、従来の書き方通りにガードレールを指定せずに InvokeModel を呼び出してみます。
# ガードレール未指定で Claude 3.5 Sonnet を呼び出し aws bedrock-runtime invoke-model \ --model-id "anthropic.claude-3-5-sonnet-20241022-v2:0" \ --body '{"anthropic_version":"bedrock-2023-05-31","max_tokens":200,"messages":[{"role":"user","content":"社内の開発ガイドラインについて教えて"}]}' \ --cli-binary-format raw-in-base64-out \ response.json
実行結果(エラーログ):
An error occurred (AccessDeniedException) when calling the InvokeModel operation: User: arn:aws:iam::111122223333:user/test-developer is not authorized to perform: bedrock:InvokeModel on resource: arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-3-5-sonnet-20241022-v2:0 with an explicit deny in a service control policy or identity-based policy
きれいに AccessDeniedException (with an explicit deny) で即死しました。モデル呼び出しのリクエスト自体が IAM レイヤーで跳ね返されていることが確認できます。
AccessDeniedException (with an explicit deny)
次に、CLI オプションに --guardrail-identifier と --guardrail-version を付与してリクエストを送信します。
--guardrail-identifier
--guardrail-version
# 正しい Guardrail ID と Version 1 を指定して呼び出し aws bedrock-runtime invoke-model \ --model-id "anthropic.claude-3-5-sonnet-20241022-v2:0" \ --guardrail-identifier "abc123def456" \ --guardrail-version "1" \ --body '{"anthropic_version":"bedrock-2023-05-31","max_tokens":200,"messages":[{"role":"user","content":"顧客の田中太郎さんの電話番号は 090-1234-5678 です。社内連絡メモを書いて。"}]}' \ --cli-binary-format raw-in-base64-out \ response.json cat response.json | jq .
▲ CLI による実機検証ログ:未指定リクエストが IAM で即座に弾かれ、指定リクエストでは電話番号が安全にマスキングされて成功している様子
実行結果(正常応答):
{ "content": [ { "text": "社内連絡メモを作成しました。\n\n【顧客連絡メモ】\n対象者:田中太郎 様\n連絡先:[PHONE_NUMBER]\n...", "type": "text" } ], "amazon-bedrock-guardrailAction": "INTERVENED", "amazon-bedrock-guardrailIntervention": { "sensitiveInformationPolicy": { "piiEntities": [ { "type": "PHONE", "action": "ANONYMIZED" } ] } } }
電話番号が [PHONE_NUMBER] へと自動的にマスキングされ、推論が安全に完了しました。
[PHONE_NUMBER]
この構成を実際のマルチエージェントや社内ワークフローで運用してみたところ、いくつかのリアルな発見とハマりどころがありました。
「毎回ガードレールを通すと推論が遅くなるのでは?」という懸念に対し、Claude 3.5 Sonnet を用いて 100 回の推論ベンチマークを実施しました。
結果として、オーバーヘッドは わずか 50〜65ms 程度 でした。人間のチャットUIでもエージェントの自律ループでも、体感的な遅延はほぼゼロと言って差し支えありません。
AccessDenied
StringLike
["...:guardrail/xxx:1", "...:guardrail/xxx:2"]
生成AIや自律エージェントの導入が実験フェーズから全社運用フェーズに移るにつれ、「セキュリティをコードレビューや開発者の注意深さに依存する運用」は確実に限界を迎えます。
AWS の bedrock:GuardrailIdentifier を活用した IAM Policy-Based Enforcement は、クラウドアーキテクトが長年培ってきた「境界防御(Defense in Depth)」の原則を、生成AIの世界にそのまま適用できる極めて実用的な機能です。
これから社内で Bedrock の活用基盤を整備する方は、モデルを呼び出す IAM ロールや Organizations の SCP に、ぜひこの条件キーを組み込んでみてください。「素通り推論」の不安から完全に解放される安心感は、一度味わうと元には戻れません。
日本株・グローバル企業の適時開示・決算速報をAIクオンツ解析。市場モメンタムや注目銘柄をリアルタイムに可視化するデータポータルです。
本番さながらのAI電話で初通話もデート誘いも余裕に。通話中の対話をリアルタイム解析し、最適な切り返しや好感度アップの助言を即座にサジェスト。24時間いつでも通話練習が可能です(無料体験あり・1レッスン 約150円〜)。
レシートを撮影するだけでGemini AIが品目・金額を高精度OCR解析。LINEログインで友人との面倒な立替・割り勘計算を美しく完結します。
占い師・執事・バーテンダーなどのAIキャラクターが進行役となり、お題やゲームを出題。集まる時間を最高にエキサイティングにするiOSアプリ。
人工甘味料や添加物のNG成分除外フィルターと、有効成分あたりの実質単価を徹底比較・可視化するヘルスケア比較データベースです。