كيف تستخدم ReliaQuest Amazon SageMaker لتسريع ابتكارات الذكاء الاصطناعي بمقدار 35 ضعفًا 

الطابع الزمني: 10 يناير 2022 12:59 مساءً
عقدة المصدر: 1573013

لا يزال الأمن السيبراني يمثل مصدر قلق كبير للمؤسسات. ومع ذلك ، فإن مشهد التهديدات المتطور باستمرار الذي يواجهونه يجعل من الصعب أكثر من أي وقت مضى أن يكونوا واثقين من حماية الأمن السيبراني لديهم.

لمعالجة هذا ، ريلا كويست بنيت مادة رمادية، منصة XDR-as-a-Service مفتوحة تجمع بين القياس عن بعد من أي حل للأمن والأعمال ، سواء في مكان العمل أو في سحابة واحدة أو متعددة ، لتوحيد الاكتشاف والتحقيق والاستجابة والمرونة.

في عام 2021 ، تحولت ReliaQuest إلى AWS لمساعدتها على تعزيز قدرات الذكاء الاصطناعي (AI) وإنشاء ميزات جديدة بشكل أسرع.

باستخدام الأمازون SageMaker, سجل الأمازون المرنة للحاويات (ECR) و وظائف خطوة AWS، خفضت ReliaQuest الوقت اللازم لنشر واختبار قدرات الذكاء الاصطناعي الجديدة الهامة لمنصة GreyMatter الخاصة بها من ثمانية عشر شهرًا إلى أسبوعين. أدى هذا إلى زيادة سرعة ابتكار الذكاء الاصطناعي بمقدار 35 ضعفًا.

"لقد قللت هذه البنية المبتكرة بشكل كبير من الوقت المستغرق في قيمة مبادرات علوم البيانات الخاصة بـ ReliaQuest.

الآن ، يمكننا التركيز حقًا على ما هو أكثر أهمية - تطوير حلول قوية لزيادة تحسين أمان بيئات عملائنا في مشهد التهديدات المتغير باستمرار. "

لورين جنكينز ، مدير منتجات Snr ، علوم البيانات ، ReliaQuest

استخدام الذكاء الاصطناعي لتحسين أداء المحللين البشريين

يتبع GreyMatter نهجًا جديدًا بشكل أساسي للأمن السيبراني ، حيث يقترن البرامج المتقدمة بفريق من محللي الأمن المدربين تدريباً عالياً لتقديم فعالية وكفاءة أمنية محسّنة بشكل كبير.

على الرغم من أن محللي الأمن في ReliaQuest هم من أفضل المواهب الأمنية تدريباً في الصناعة ، فقد يتلقى محلل واحد مئات الحوادث الأمنية الجديدة في أي يوم معين. يجب على هؤلاء المحللين مراجعة كل حادث لتحديد مستوى التهديد وطريقة الاستجابة المثلى.

لتبسيط هذه العملية ، وتقليل الوقت المستغرق لحلها ، شرعت ReliaQuest في تطوير نظام توصية يحركه الذكاء الاصطناعي والذي يطابق تلقائيًا الحوادث الأمنية الجديدة مع الأحداث السابقة المماثلة. أدى ذلك إلى تعزيز السرعة التي يمكن للمحللين البشريين من خلالها تحديد نوع الحادث بالإضافة إلى أفضل إجراء تالي.

استخدام Amazon SageMaker لتشغيل الذكاء الاصطناعي بشكل أسرع

طورت ReliaQuest نموذجًا أوليًا للتعلم الآلي (ML) ، لكنها كانت تفتقد إلى البنية التحتية الداعمة لاستخدامه.

لحل هذه المشكلة ، تحول عالم البيانات في ReliaQuest ، ماتي لانجفورد ، ومهندس ML Ops ، رايلي روهلوف ، إلى Amazon SageMaker. SageMaker عبارة عن نظام أساسي للتعلم الآلي شامل يساعد المطورين وعلماء البيانات على إنشاء نماذج تعلم الآلة وتدريبها ونشرها بسرعة وسهولة.

يعمل Amazon SageMaker على تسريع نشر أحمال عمل ML من خلال تبسيط عملية إنشاء ML. يوفر مجموعة واسعة من إمكانيات ML بالإضافة إلى البنية التحتية المُدارة بالكامل. هذا يزيل الرفع الثقيل غير المتمايز الذي كثيرًا ما يعيق تطور ML.

اختارت ReliaQuest SageMaker بسبب ميزة الاستضافة المضمنة بها ، وهي القدرة الرئيسية التي مكنت ReliaQuest من نشر نموذجها الأولي المدرب مسبقًا بسرعة على البنية التحتية المدارة بالكامل.

استخدمت ReliaQuest أيضًا Amazon ECR لتخزين صورها النموذجية المدربة مسبقًا ، باستخدام سجل حاوية Amazon ECRs المُدار بالكامل والذي يجعل من السهل تخزين الصور والقطع الأثرية للحاويات وإدارتها ومشاركتها ونشرها ، مثل نماذج ML المدربة مسبقًا ، في أي مكان.

اختارت ReliaQuest Amazon ECR نظرًا لتكاملها الأصلي مع Amazon SageMaker. وقد مكنها ذلك من تقديم صور نموذجية مخصصة لكل من التدريب والتنبؤات ، وهذا الأخير عبر تطبيق Flask المخصص الذي تم إنشاؤه.

باستخدام Amazon SageMaker و Amazon ECR ، قام فريق ReliaQuest واحد بتطوير واختبار ونشر نموذجه المدرب مسبقًا خلف نقطة نهاية مُدارة بسرعة وكفاءة ، دون الحاجة إلى التسليم أو الاعتماد على فرق أخرى للحصول على الدعم.

استخدام AWS Step Functions لإعادة تدريب وتحسين أداء النموذج تلقائيًا

بالإضافة إلى ذلك ، تمكنت ReliaQuest من بناء طبقة تزامن كاملة لسير عمل ML الخاص بها باستخدام AWS Step Functions ، وهي خدمة سير عمل مرئية منخفضة الشفرة يمكنها تنسيق خدمات AWS وأتمتة عمليات الأعمال وتمكين التطبيقات بدون خادم.

اختارت ReliaQuest وظائف خطوات AWS نظرًا لوظائفها العميقة وتكاملها مع خدمات AWS الأخرى. مكّن هذا ReliaQuest من بناء حلقة تعليمية مؤتمتة بالكامل لنموذجها ، بما في ذلك:

  • مشغل يبحث عن البيانات المحدثة في حاوية S3
  • عملية إعادة تدريب كاملة أدت إلى إنشاء وظيفة تدريب جديدة بالبيانات المحدثة
  • تقييم أداء تلك الوظيفة التدريبية
  • حدود الدقة المحددة مسبقًا لتحديد ما إذا كان سيتم تحديث النموذج المنشور من خلال تكوين نقطة نهاية جديدة.

استخدام AWS لزيادة الابتكار وإعادة تصور حماية الأمن السيبراني

من خلال الجمع بين Amazon SageMaker و Amazon ECR و AWS Step Functions ، تمكنت ReliaQuest من تحسين السرعة التي استخدمتها في نشر واختبار قدرات الذكاء الاصطناعي الجديدة القيمة من ثمانية عشر شهرًا إلى أسبوعين ، لتسريع نشر الميزة الجديدة بمقدار 35 ضعفًا.

لا تستمر هذه القدرات الجديدة في تعزيز GreyMatter فقط الكشف المستمر عن التهديدات ، والبحث عن التهديدات ، وقدرات المعالجة لعملائها ، ولكنها تقدم أيضًا ReliaQuest تحسينًا متدرجًا في قدرتها على اختبار ونشر قدرات جديدة في المستقبل.

في المشهد المعقد لتهديدات الأمن السيبراني ، سيستمر استخدام ReliaQuest للذكاء الاصطناعي لتعزيز محلليها البشريين في تحسين فعاليتهم. علاوة على ذلك ، ستمكنها قدرات الابتكار المتسارعة من الاستمرار في مساعدة عملائها على البقاء في صدارة التهديدات سريعة التطور التي يواجهونها.

تعرف على المزيد حول كيفية تسريع قدرتك على الابتكار باستخدام الذكاء الاصطناعي من خلال زيارة الشروع في العمل مع Amazon SageMaker أو مراجعة موارد مطوري Amazon SageMaker اليوم.

عن المؤلف

دانيال بورك هو الرائد الأوروبي في مجال الذكاء الاصطناعي والتعلم الآلي في مجموعة الملكية الخاصة في AWS. في هذا الدور ، يعمل دانيال مباشرة مع صناديق الأسهم الخاصة وشركات محافظهم لتصميم وتنفيذ حلول الذكاء الاصطناعي والتعلم الآلي التي تسرع الابتكار وتولد قيمة مؤسسية إضافية.

المصدر: https://aws.amazon.com/blogs/machine-learning/how-reliaquest-uses-amazon-sagemaker-to-accelerate-its-ai-innovation-by-35x/

الطابع الزمني:

اكثر من AWS مدونة التعلم الآلي