`ml_full_access`角色在DeepSeek与OpenSearch Service的配置和集成中起着至关重要的作用。此角色是OpenSearch安全插件的一部分，用于管理OpenSearch中的机器学习访问(ML)功能。
###角色描述
`ml_full_access`角色授予OpenSearch中所有ML功能的完全访问。这包括启动新的ML任务，读取模型和删除模型的能力。它提供了对ML功能的全面控制，这对于需要在OpenSearch [2]中管理和执行ML任务的用户至关重要。
###与DeepSeek集成
当将DeepSeek与OpenSearch集成时，使用`ml_full_access`角色来确保身份验证的实体可以执行与ML任务相关的API调用。这包括与DeepSeek提供的外部模型建立连接器。通过将IAM角色映射到“ ML_FULL_ACCESS”角色，用户可以确保其AWS身份具有通过OpenSearch [1] [3]与DeepSeek模型进行交互的必要权限。
###配置步骤
要配置用于DeepSeek使用的`ml_full_access`角色，您通常按照以下步骤操作：
1。创建IAM角色：生成IAM角色，允许OpenSearch与SageMaker端点交互并创建连接器。这些角色对于建立必要的权限和信任关系至关重要[1]。
2。地图后端角色：在OpenSearch仪表板中，导航到`ml_full_access`角色，并映射较早为后端角色创建的IAM角色。此步骤可确保具有这些IAM角色的用户可以在OpenSearch [3] [6]中完全访问ML功能。
3。验证设置：配置角色和权限后，通过OpenSearch仪表板运行测试查询来验证设置是否正常工作。这样可以确保您可以成功连接到DeepSeek模型并执行ML任务[1]。
总而言之，“ ML_FULL_ACCESS”角色对于在OpenSearch中管理ML功能至关重要，并通过为执行ML任务和访问外部模型提供必要的权限来确保与DeepSeek模型无缝集成。
引用：
[1] https://aws.amazon.com/blogs/big-data/use-deepseek-with-amazon-azon-opensearch-service-vector-vector-vector-database-database-and-amazon-sagemaker/
[2] https://opensearch.org/docs/latest/ml-commons-plugin/model-access-control/
[3] https://github.com/opensearch-project/ml-commons/blob/main/main/docs/tutorials/aws/rag_with_with_deepseek_r1_model_model_on_sagemaker.md
[4] https://github.com/opensearch-project/ml-commons/blob/main/main/docs/tutorials/aws/rag_with_with_with_deepseek_r1_model_model_on_bedrock.md
[5] https://github.com/opensearch-project/ml-commons/blob/main/main/docs/tutorials/aws/deepseek_demo_notebook_for_rag.ipynb
[6] https://opensearch.org/docs/latest/vector-search/tutorials/rag/rag-deepseek-chat/
[7] https://github.com/opensearch-project/ml-commons/blob/main/main/docs/tutorials/aws/rag_with_with_deepseek_chat_model.md
[8] https://zilliz.com/ai-faq/what--apis-does-does-deepseek-provide-for-model-access