Amazon SageMaker 的操作、资源和条件键 - AWS Identity and Access Management
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

Amazon SageMaker 的操作、资源和条件键

Amazon SageMaker(服务前缀:sagemaker)提供以下服务特定的资源、操作和条件上下文键以在 IAM 权限策略中使用。

参考:

Amazon SageMaker 定义的操作

您可以在 Action 策略语句的 IAM 元素中指定以下操作。可以使用策略授予在 AWS 中执行操作的权限。您在策略中使用一项操作时,通常使用相同的名称允许或拒绝对 API 操作或 CLI 命令的访问。但在某些情况下,单一动作可控制对多项操作的访问。还有某些操作需要多种不同的动作。

资源类型列指示每项操作是否支持资源级权限。如果该列没有任何值,您必须在策略语句的 Resource 元素中指定所有资源(“*”)。如果该列包含一种资源类型,则可以在含有该操作的语句中指定该类型的 ARN。必需资源在表中以星号 (*) 表示。如果在使用该操作的语句中指定资源级权限 ARN,则它必须属于该类型。某些操作支持多种资源类型。如果资源类型是可选的(未指示为必需),则可以选择使用一种类型而不使用其他类型。

有关下表中各列的详细信息,请参阅 操作表

操作 描述 访问级别 资源类型(* 为必需) 条件键 相关操作
AddTags 添加或覆盖指定 Amazon SageMaker 资源的一个或多个标签。 标记

app

automl-job

domain

endpoint

endpoint-config

experiment

experiment-trial

experiment-trial-component

flow-definition

human-task-ui

hyper-parameter-tuning-job

labeling-job

model

monitoring-schedule

notebook-instance

processing-job

training-job

transform-job

user-profile

workteam

aws:RequestTag/${TagKey}

aws:TagKeys

AssociateTrialComponent 将试用组件与试用关联。 写入

experiment-trial*

experiment-trial-component*

BatchGetMetrics [仅权限] 检索与 SageMaker 资源(如训练作业)关联的指标。虽然此 API 目前未公开发布,但管理员可以控制该操作 Read

training-job*

BatchPutMetrics [仅权限] 发布与 SageMaker 资源(如训练作业)关联的指标。虽然此 API 目前未公开发布,但管理员可以控制该操作 写入

training-job*

CreateAlgorithm 创建算法。 写入

algorithm*

CreateApp 授予权限以便为 SageMaker Studio UserProfile 创建应用程序 写入

app*

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InstanceTypes

CreateAutoMLJob 创建 automl 作业。 写入

automl-job*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InterContainerTrafficEncryption

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateCodeRepository 创建代码存储库。 写入

code-repository*

CreateCompilationJob 创建编译作业。 写入

compilation-job*

iam:PassRole

CreateDomain 授予权限以便为 SageMaker Studio 创建域 写入

domain*

iam:CreateServiceLinkedRole

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:AppNetworkAccessType

sagemaker:InstanceTypes

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

sagemaker:DomainSharingOutputKmsKey

sagemaker:HomeEfsFileSystemKmsKey

CreateEndpoint 使用在请求中指定的终端节点配置创建终端节点。 写入

endpoint*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateEndpointConfig 创建可以使用 Amazon SageMaker 托管服务部署的终端节点配置。 写入

endpoint-config*

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:AcceleratorTypes

sagemaker:InstanceTypes

sagemaker:ModelArn

sagemaker:VolumeKmsKey

CreateExperiment 创建实验。 写入

experiment*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateFlowDefinition 创建用于定义人工工作流程设置的流定义。 写入

flow-definition*

iam:PassRole

sagemaker:WorkteamArn

sagemaker:WorkteamType

aws:RequestTag/${TagKey}

aws:TagKeys

CreateHumanTaskUi 定义将用于人工审查工作流程用户界面的设置。 写入

human-task-ui*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateHyperParameterTuningJob 创建可以使用 Amazon SageMaker 部署的超参数优化作业。 写入

hyper-parameter-tuning-job*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:FileSystemAccessMode

sagemaker:FileSystemDirectoryPath

sagemaker:FileSystemId

sagemaker:FileSystemType

sagemaker:InstanceTypes

sagemaker:InterContainerTrafficEncryption

sagemaker:MaxRuntimeInSeconds

sagemaker:NetworkIsolation

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateLabelingJob 启动标记作业。标记作业提取未标记的数据并生成标记的数据以作为输出,可用于训练 SageMaker 模型。 写入

labeling-job*

iam:PassRole

sagemaker:WorkteamArn

sagemaker:WorkteamType

sagemaker:VolumeKmsKey

sagemaker:OutputKmsKey

aws:RequestTag/${TagKey}

aws:TagKeys

CreateModel 在 Amazon SageMaker 中创建模型。在请求中,您可以指定模型的名称并描述一个或多个容器。 写入

model*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:NetworkIsolation

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateModelPackage 创建模型包 写入

model-package*

CreateMonitoringSchedule 创建监控计划。 写入

monitoring-schedule*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InstanceTypes

sagemaker:MaxRuntimeInSeconds

sagemaker:NetworkIsolation

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateNotebookInstance 创建 Amazon SageMaker 笔记本实例。笔记本实例是在 Jupyter Notebook 上运行的 Amazon EC2 实例。 写入

notebook-instance*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:AcceleratorTypes

sagemaker:DirectInternetAccess

sagemaker:InstanceTypes

sagemaker:RootAccess

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateNotebookInstanceLifecycleConfig 创建可以使用 Amazon SageMaker 部署的笔记本实例生命周期配置。 写入

notebook-instance-lifecycle-config*

CreatePresignedDomainUrl 授予权限以返回一个 URL,当 AuthMode 为“IAM”时,可以从浏览器中使用此 URL 连接到作为指定 UserProfile 的域。 写入

user-profile*

CreatePresignedNotebookInstanceUrl 返回一个您可用来从您的浏览器连接到笔记本实例的 URL。 写入

notebook-instance*

CreateProcessingJob 启动处理作业。处理完成后,Amazon SageMaker 将生成的构件和其他可选输出保存到您指定的 Amazon S3 位置。 写入

processing-job*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InstanceTypes

sagemaker:MaxRuntimeInSeconds

sagemaker:NetworkIsolation

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

sagemaker:InterContainerTrafficEncryption

CreateTrainingJob 启动模型训练作业。训练完成后,Amazon SageMaker 将生成的模型构件和其他可选输出保存到您指定的 Amazon S3 位置。 写入

training-job*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:FileSystemAccessMode

sagemaker:FileSystemDirectoryPath

sagemaker:FileSystemId

sagemaker:FileSystemType

sagemaker:InstanceTypes

sagemaker:InterContainerTrafficEncryption

sagemaker:MaxRuntimeInSeconds

sagemaker:NetworkIsolation

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

CreateTransformJob 启动转换作业。在获取结果后,Amazon SageMaker 将其保存到您指定的 Amazon S3 位置中。 写入

transform-job*

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InstanceTypes

sagemaker:ModelArn

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

CreateTrial 创建试用。 写入

experiment-trial*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateTrialComponent 创建试用组件。 写入

experiment-trial-component*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateUserProfile 授予权限以便为 SageMaker Studio 域创建 UserProfile 写入

user-profile*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:VpcSecurityGroupIds

sagemaker:InstanceTypes

sagemaker:DomainSharingOutputKmsKey

CreateWorkforce 创建人力。 写入

workforce*

aws:RequestTag/${TagKey}

aws:TagKeys

CreateWorkteam 创建工作团队。 写入

workteam*

aws:RequestTag/${TagKey}

aws:TagKeys

DeleteAlgorithm 删除算法。 写入

algorithm*

DeleteApp 授予权限以删除应用程序 写入

app*

DeleteCodeRepository 删除代码存储库。 写入

code-repository*

DeleteDomain 授予权限以删除域 写入

domain*

DeleteEndpoint 删除终端节点。Amazon SageMaker 释放在创建终端节点时部署的所有资源。 写入

endpoint*

DeleteEndpointConfig 删除使用 CreateEndpointConfig API 创建的终端节点配置。DeleteEndpointConfig API 只删除指定的配置。它不删除使用此配置创建的任何终端节点。 写入

endpoint-config*

DeleteExperiment 删除实验。 写入

experiment*

DeleteFlowDefinition 删除指定的流定义。 写入

flow-definition*

DeleteHumanLoop 删除指定的人工循环。 写入

human-loop*

DeleteModel 删除使用 CreateModel API 创建的模型。DeleteModel API 仅删除 Amazon SageMaker 中您通过调用 CreateModel API 创建的模型条目。它不会删除模型构件、推理代码或在创建模型时指定的 IAM 角色。 写入

model*

DeleteModelPackage 删除模型包。 写入

model-package*

DeleteMonitoringSchedule 删除监控计划。Amazon SageMaker 将不再运行计划的监控。 写入

monitoring-schedule*

DeleteNotebookInstance 删除 Amazon SageMaker 笔记本实例。在可以删除笔记本实例之前,您必须调用 StopNotebookInstance API。 写入

notebook-instance*

DeleteNotebookInstanceLifecycleConfig 删除可以使用 Amazon SageMaker 部署的笔记本实例生命周期配置。 写入

notebook-instance-lifecycle-config*

DeleteTags 从 Amazon SageMaker 资源中删除指定的一组标签。 标记

app

automl-job

compilation-job

domain

endpoint

endpoint-config

experiment

experiment-trial

experiment-trial-component

flow-definition

human-task-ui

hyper-parameter-tuning-job

labeling-job

model

monitoring-schedule

notebook-instance

processing-job

training-job

transform-job

user-profile

workteam

aws:TagKeys

DeleteTrial 删除试用。 写入

experiment-trial*

DeleteTrialComponent 删除试用组件。 写入

experiment-trial-component*

DeleteUserProfile 授予权限以删除 UserProfile 写入

user-profile*

DeleteWorkforce 删除人力。 写入

workforce*

DeleteWorkteam 删除工作团队。 写入

workteam*

DescribeAlgorithm 返回有关算法的信息。 Read

algorithm*

DescribeApp 授予权限以描述应用程序 Read

app*

DescribeAutoMLJob 描述通过 CreateAutoMLJob API 创建的 automl 作业。 Read

automl-job*

DescribeCodeRepository 返回有关代码存储库的信息。 Read

code-repository*

DescribeCompilationJob 返回有关编译作业的信息。 Read

compilation-job*

DescribeDomain 授予权限以描述域 Read

domain*

DescribeEndpoint 返回终端节点的描述。 Read

endpoint*

DescribeEndpointConfig 返回使用 CreateEndpointConfig API 创建的终端节点配置的描述。 Read

endpoint-config*

DescribeExperiment 返回有关实验的信息。 Read

experiment*

DescribeFlowDefinition 返回有关指定的流定义的详细信息。 Read

flow-definition*

DescribeHumanLoop 返回有关指定的人工循环的详细信息。 Read

human-loop*

DescribeHumanTaskUi 返回有关指定的人工审查工作流程用户界面的详细信息。 Read

human-task-ui*

DescribeHyperParameterTuningJob 描述通过 CreateHyperParameterTuningJob API 创建的超参数优化作业。 Read

hyper-parameter-tuning-job*

DescribeLabelingJob 返回有关标记作业的信息。 Read

labeling-job*

DescribeModel 描述您使用 CreateModel API 创建的模型。 Read

model*

DescribeModelPackage 返回有关模型包的信息。 Read

model-package*

DescribeMonitoringSchedule 返回有关监控计划的信息。 Read

monitoring-schedule*

DescribeNotebookInstance 返回有关笔记本实例的信息。 Read

notebook-instance*

DescribeNotebookInstanceLifecycleConfig 描述通过 CreateNotebookInstanceLifecycleConfig API 创建的笔记本实例生命周期配置。 Read

notebook-instance-lifecycle-config*

DescribeProcessingJob 返回有关处理作业的信息。 Read

processing-job*

DescribeSubscribedWorkteam 返回有关订阅的工作团队的信息。 Read

workteam*

DescribeTrainingJob 返回有关训练任务的信息。 Read

training-job*

DescribeTransformJob 返回有关转换作业的信息。 Read

transform-job*

DescribeTrial 返回有关试用的信息。 Read

experiment-trial*

DescribeTrialComponent 返回有关试用组件的信息。 Read

experiment-trial-component*

DescribeUserProfile 授予权限以描述 UserProfile Read

user-profile*

DescribeWorkforce 返回有关人力的信息。 Read

workforce*

DescribeWorkteam 返回有关工作团队的信息。 Read

workteam*

DisassociateTrialComponent 取消试用组件与试用的关联。 写入

experiment-trial*

experiment-trial-component*

processing-job*

GetSearchSuggestions 在随关键字提供时,获取搜索建议。 Read
InvokeEndpoint 在使用 Amazon SageMaker 托管服务将模型部署到生产阶段后,您的客户端应用程序使用此 API 从托管在指定终端节点的模型中获得推理。 Read

endpoint*

sagemaker:TargetModel

ListAlgorithms 列出算法。 List
ListApps 授予权限以列出您账户中的应用程序 List
ListAutoMLJobs 列出通过 CreateAutoMLJob 创建的 automl 作业。 List
ListCandidatesForAutoMLJob 列出通过 CreateAutoMLJob 创建的 automl 作业的候选。 List
ListCodeRepositories 列出代码存储库。 List
ListCompilationJobs 列出编译作业。 List
ListDomains 授予权限以列出您账户中的域名 List
ListEndpointConfigs 列出终端节点配置。 List
ListEndpoints 列出终端节点。 List
ListExperiments 列出实验。 List
ListFlowDefinitions 返回有关流定义的摘要信息(在给定指定参数的情况下)。 List
ListHumanLoops 返回有关人工循环的摘要信息(在给定指定参数的情况下)。 List
ListHumanTaskUis 返回有关人工审查工作流程用户界面的摘要信息(在给定指定参数的情况下)。 List
ListHyperParameterTuningJobs 列出使用 Amazon SageMaker 创建的超参数优化作业。 List
ListLabelingJobs 列出标记作业。 List
ListLabelingJobsForWorkteam 列出工作团队的标记作业。 List

workteam*

ListModelPackages 列出模型包。 List
ListModels 列出使用 CreateModel API 创建的模型。 List
ListMonitoringExecutions 列出监控执行情况。 List
ListMonitoringSchedules 列出监控计划。 List
ListNotebookInstanceLifecycleConfigs 列出可以使用 Amazon SageMaker 部署的笔记本实例生命周期配置。 List
ListNotebookInstances 返回 AWS 区域中请求者账户中的 Amazon SageMaker 笔记本实例的列表。 List
ListProcessingJobs 列出处理作业。 List
ListSubscribedWorkteams 列出订阅的工作团队。 List
ListTags 返回与指定资源关联的标签集。 List

app

automl-job

domain

endpoint

endpoint-config

experiment

experiment-trial

experiment-trial-component

flow-definition

human-task-ui

hyper-parameter-tuning-job

labeling-job

model

monitoring-schedule

notebook-instance

training-job

transform-job

user-profile

workteam

ListTrainingJobs 列出训练作业。 List
ListTrainingJobsForHyperParameterTuningJob 列出使用 Amazon SageMaker 创建的超参数优化作业的训练作业。 List

hyper-parameter-tuning-job*

ListTransformJobs 列出转换作业。 List
ListTrialComponents 列出试用组件。 List
ListTrials 列出试用。 List
ListUserProfiles 授予权限以列出您账户中的 UserProfile List
ListWorkforces 列出人力。 List
ListWorkteams 列出工作团队。 List
RenderUiTemplate 提供用于人工注释任务的 UI 模板。 Read

iam:PassRole

Search 搜索 SageMaker 对象。 Read
StartHumanLoop 启动人工循环。 写入

flow-definition*

StartMonitoringSchedule 启动监控计划。 写入

monitoring-schedule*

StartNotebookInstance 使用最新版本的库启动 EC2 实例并附加您的 EBS 卷。 写入

notebook-instance*

StopAutoMLJob 停止通过 CreateAutoMLJob 创建的正在运行的 automl 作业。 写入

automl-job*

StopCompilationJob 停止编译作业。 写入

compilation-job*

StopHumanLoop 停止指定的人工循环。 写入

human-loop*

StopHyperParameterTuningJob 停止通过 CreateHyperParameterTuningJob 创建的正在运行的超参数优化作业。 写入

hyper-parameter-tuning-job*

StopLabelingJob 停止标记作业。将在停止之前导出已生成的任何标签。 写入

labeling-job*

StopMonitoringSchedule 停止监控计划。 写入

monitoring-schedule*

StopNotebookInstance 终止 EC2 实例。在终止实例前,Amazon SageMaker 从此实例断开 EBS 卷。Amazon SageMaker 将保留 EBS 卷。 写入

notebook-instance*

StopProcessingJob 停止处理作业。要停止任务,Amazon SageMaker 向算法发送 SIGTERM 信号,这会将作业终止延迟 120 秒。 写入

processing-job*

StopTrainingJob 停止训练任务。要停止任务,Amazon SageMaker 向算法发送 SIGTERM 信号,这会将作业终止延迟 120 秒。 写入

training-job*

StopTransformJob 停止转换作业。在 Amazon SageMaker 收到 StopTransformJob 请求时,作业状态将变为 Stopping。在 Amazon SageMaker 停止作业后,状态将设置为 Stopped 写入

transform-job*

UpdateCodeRepository 更新代码存储库。 写入

code-repository*

UpdateDomain 授予权限以更新域 写入

domain*

sagemaker:VpcSecurityGroupIds

sagemaker:InstanceTypes

sagemaker:DomainSharingOutputKmsKey

UpdateEndpoint 更新终端节点以使用在请求中指定的终端节点配置。 写入

endpoint*

UpdateEndpointWeightsAndCapacities 更新变体权重、容量或与终端节点关联的这一个或多个变体。 写入

endpoint*

UpdateExperiment 更新实验。 写入

experiment*

UpdateMonitoringSchedule 更新监控计划。 写入

monitoring-schedule*

iam:PassRole

aws:RequestTag/${TagKey}

aws:TagKeys

sagemaker:InstanceTypes

sagemaker:MaxRuntimeInSeconds

sagemaker:NetworkIsolation

sagemaker:OutputKmsKey

sagemaker:VolumeKmsKey

sagemaker:VpcSecurityGroupIds

sagemaker:VpcSubnets

UpdateNotebookInstance 更新笔记本实例。笔记本实例更新包括升级或降级用于笔记本实例的 EC2 实例以纳入工作负载要求的变化。您也可以更新 VPC 安全组。 写入

notebook-instance*

sagemaker:AcceleratorTypes

sagemaker:InstanceTypes

sagemaker:RootAccess

UpdateNotebookInstanceLifecycleConfig 更新使用 CreateNotebookInstanceLifecycleConfig API 创建的笔记本实例生命周期配置。 写入

notebook-instance-lifecycle-config*

UpdateTrial 更新试用。 写入

experiment-trial*

UpdateTrialComponent 更新试用组件。 写入

experiment-trial-component*

UpdateUserProfile 授予权限以更新 UserProfile 写入

user-profile*

sagemaker:InstanceTypes

sagemaker:VpcSecurityGroupIds

sagemaker:InstanceTypes

sagemaker:DomainSharingOutputKmsKey

UpdateWorkforce 更新人力。 写入

workforce*

UpdateWorkteam 更新工作团队。 写入

workteam*

Amazon SageMaker 定义的资源类型

以下资源类型是由该服务定义的,可以在 IAM 权限策略语句的 Resource 元素中使用这些资源类型。操作表中的每个操作指定了可以使用该操作指定的资源类型。您也可以在策略中包含条件键,从而定义资源类型。这些键显示在表的最后一列。有关下表中各列的详细信息,请参阅 资源类型表

资源类型 进行筛选 条件键
human-loop arn:${Partition}:sagemaker:${Region}:${Account}:human-loop/${HumanLoopName}
flow-definition arn:${Partition}:sagemaker:${Region}:${Account}:flow-definition/${FlowDefinitionName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

human-task-ui arn:${Partition}:sagemaker:${Region}:${Account}:human-task-ui/${HumanTaskUiName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

labeling-job arn:${Partition}:sagemaker:${Region}:${Account}:labeling-job/${LabelingJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

workteam arn:${Partition}:sagemaker:${Region}:${Account}:workteam/${WorkteamName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

workforce arn:${Partition}:sagemaker:${Region}:${Account}:workforce/${WorkforceName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

domain arn:${Partition}:sagemaker:${Region}:${Account}:domain/${DomainId}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

user-profile arn:${Partition}:sagemaker:${Region}:${Account}:user-profile/${DomainId}/${UserProfileName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

app arn:${Partition}:sagemaker:${Region}:${Account}:app/${DomainId}/${UserProfileName}/${AppType}/${AppName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

notebook-instance arn:${Partition}:sagemaker:${Region}:${Account}:notebook-instance/${NotebookInstanceName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

notebook-instance-lifecycle-config arn:${Partition}:sagemaker:${Region}:${Account}:notebook-instance-lifecycle-config/${NotebookInstanceLifecycleConfigName}
code-repository arn:${Partition}:sagemaker:${Region}:${Account}:code-repository/${CodeRepositoryName}
algorithm arn:${Partition}:sagemaker:${Region}:${Account}:algorithm/${AlgorithmName}
training-job arn:${Partition}:sagemaker:${Region}:${Account}:training-job/${TrainingJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

processing-job arn:${Partition}:sagemaker:${Region}:${Account}:processing-job/${ProcessingJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

hyper-parameter-tuning-job arn:${Partition}:sagemaker:${Region}:${Account}:hyper-parameter-tuning-job/${HyperParameterTuningJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

model-package arn:${Partition}:sagemaker:${Region}:${Account}:model-package/${ModelPackageName}
model arn:${Partition}:sagemaker:${Region}:${Account}:model/${ModelName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

endpoint-config arn:${Partition}:sagemaker:${Region}:${Account}:endpoint-config/${EndpointConfigName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

endpoint arn:${Partition}:sagemaker:${Region}:${Account}:endpoint/${EndpointName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

transform-job arn:${Partition}:sagemaker:${Region}:${Account}:transform-job/${TransformJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

compilation-job arn:${Partition}:sagemaker:${Region}:${Account}:compilation-job/${CompilationJobName}
automl-job arn:${Partition}:sagemaker:${Region}:${Account}:automl-job/${AutoMLJobJobName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

monitoring-schedule arn:${Partition}:sagemaker:${Region}:${Account}:monitoring-schedule/${MonitoringScheduleName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

experiment arn:${Partition}:sagemaker:${Region}:${Account}:experiment/${ExperimentName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

experiment-trial arn:${Partition}:sagemaker:${Region}:${Account}:experiment-trial/${TrialName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

experiment-trial-component arn:${Partition}:sagemaker:${Region}:${Account}:experiment-trial-component/${TrialComponentName}

aws:ResourceTag/${TagKey}

sagemaker:ResourceTag/${TagKey}

Amazon SageMaker 的条件键

Amazon SageMaker 定义以下可以在 IAM 策略的 Condition 元素中使用的条件键。您可以使用这些键进一步细化应用策略语句的条件。有关下表中各列的详细信息,请参阅 条件键表

要查看适用于所有服务的全局条件键,请参阅可用的全局条件键

条件键 描述 类型
aws:RequestTag/${TagKey} 用户向 SageMaker 服务发出的请求中包含的键。 字符串
aws:ResourceTag/${TagKey} 标签键值对。 字符串
aws:TagKeys 与请求中的资源关联的所有标签键名称的列表。 字符串
sagemaker:AcceleratorTypes 所有与请求中的资源关联的加速器类型的列表。 字符串数组
sagemaker:AppNetworkAccessType 与请求中的资源关联的应用程序网络访问权限类型。 字符串
sagemaker:DirectInternetAccess 与请求中的资源关联的直接 Internet 访问。 字符串
sagemaker:DomainSharingOutputKmsKey 与请求中的资源关联的域共享输出 KMS 密钥。 ARN
sagemaker:FileSystemAccessMode 与请求中的资源关联的文件系统访问模式。 字符串
sagemaker:FileSystemDirectoryPath 与请求中的资源关联的文件系统目录路径。 字符串
sagemaker:FileSystemId 与请求中的资源关联的文件系统 ID。 字符串
sagemaker:FileSystemType 与请求中的资源关联的文件系统类型。 字符串
sagemaker:HomeEfsFileSystemKmsKey 用于 UserProfile 主目录的 EFS 文件系统的 KMS 密钥 ID(与请求中的资源关联) ARN
sagemaker:InstanceTypes 与请求中的资源关联的所有实例类型的列表。 字符串数组
sagemaker:InterContainerTrafficEncryption 与请求中的资源关联的容器间流量加密。 Bool
sagemaker:MaxRuntimeInSeconds 与请求中的资源关联的最大运行时间(以秒为单位)。 数值
sagemaker:ModelArn 与请求中的资源关联的模型 arn。 ARN
sagemaker:NetworkIsolation 与请求中的资源关联的网络隔离。 Bool
sagemaker:OutputKmsKey 与请求中的资源关联的输出 kms 密钥。 ARN
sagemaker:ResourceTag/ 附加到资源的标签键值对的前言字符串。 字符串
sagemaker:ResourceTag/${TagKey} 标签键值对。 字符串
sagemaker:RootAccess 与请求中的资源关联的根访问权限。 字符串
sagemaker:TargetModel 与请求中的多模型终端节点关联的目标模型。 字符串
sagemaker:VolumeKmsKey 与请求中的资源关联的卷 kms 密钥。 ARN
sagemaker:VpcSecurityGroupIds 与请求中的资源关联的所有 vpc 安全组 ID 的列表。 字符串数组
sagemaker:VpcSubnets 与请求中的资源关联的所有 vpc 子网的列表。 字符串数组
sagemaker:WorkteamArn 与请求关联的工作组 ARN。 ARN
sagemaker:WorkteamType 与请求关联的工作组类型。这可以是 public-crowd、private-crowd 或 vendor-crowd。 字符串