Urgent.News

What's breaking now, across thousands of outlets.

Tech

AWS Shared Responsibility Model Quem Cuida do Quê na Nuvem

Boa parte dos incidentes de segurança na nuvem não acontece porque a AWS falhou — acontece porque alguém assumiu, incorretamente, que a AWS cuidaria de algo que na verdade era responsabilidade do cliente. O Shared Responsibility Model (Modelo de Responsabilidade Compartilhada) é o framework que a AWS usa para deixar essa linha explícita, e é provavelmente o conceito de segurança mais citado — e…

Original Portuguese Read in English

A AWS Shared Responsibility Model (Modelo de Responsabilidade Compartilhada) é um framework utilizado pela AWS para esclarecer a linha de responsabilidade na segurança dos serviços em nuvem. A AWS é responsável pela segurança da infraestrutura da nuvem, enquanto o cliente é responsável pela segurança dos dados e aplicações que estão na nuvem.

O modelo de responsabilidade varia dependendo do tipo de serviço usado, como IaaS (Infraestrutura como Serviço), PaaS (Plataforma como Serviço) ou SaaS (Software como Serviço). Por exemplo, ao utilizar uma instância EC2, o cliente assume uma grande parte da responsabilidade, pois ele está em controle do sistema operacional e das configurações de segurança. No entanto, quando utiliza serviços gerenciados como Amazon RDS, a AWS assume mais responsabilidade, cobrindo o patching do sistema operacional e do banco de dados.

As áreas de responsabilidade do cliente incluem a classificação e criptografia de dados, gerenciamento de identidade e acesso, configuração de aplicativos, configuração de rede, gestão de credenciais e conformidade da aplicação. A AWS oferece ferramentas para assistir no cumprimento dessas responsabilidades, mas o cliente deve usar esses mecanismos corretamente para garantir a segurança dos dados e aplicativos em nuvem.

Written by urgent.news from Dev.to's reporting — not their text. Machine-written — may contain errors; check the original before relying on it.

Read the original at dev.to →

More in Tech

Three things I got wrong measuring my own cache

A team that produces regulatory documents kept getting the same kind of question from other teams: does the current rule allow X?

  • Overlooked issue with negation pairs, labeling error not caught by testing
  • Control group too easy, minimal token differences between accept/reject pairs
  • Misinterpreted embedder failure as semantics issue, not surface form understanding

Backtesting overfitting: why your backtest lies and how to make it honest

Cross-post. Original: stellarbytecapital.com/blog/backtesting-overfitting A profitable backtest is the easiest thing to produce in all of quant trading, and the most worthless.

  • Overfitting occurs when strategies learn noise in historical data instead of genuine patterns
  • Multiple testing and random noise can create impressive Sharpe ratios by chance
  • Honest backtesting requires out-of-sample and walk-forward testing, avoiding over-optimization

My tests could fail. They still could not tell me I was wrong.

A test proves your code does what you meant. It cannot prove that what you meant was correct. I could have written that sentence a year ago. I still shipped on the wrong side of it this week.

  • Test failed to confirm code correctness
  • Bug related to QIF payee and memo fields
  • Writer discovered importance of testing assumptions

More from Tuesday 25 August →