JFrog og AWS fremskynder udvikling af sikker maskinlæring

Genudgivet af Platon

Abonnenter: 0

Ny JFrog Artifactory og Amazon SageMaker integration giver udviklere og dataforskere mulighed for at bygge, træne og implementere ML-modeller i skyen

SUNNYVALE, Californien - (FORRETNINGSLEDNING) -JFrog Ltd. ("JFrog") (Nasdaq: FROG), Liquid Software-virksomheden og skaberne af JFrog Software Supply Chain Platform, annoncerede i dag en ny integration med Amazon SageMaker, som hjælper virksomheder med at bygge, træne og implementere maskinlæringsmodeller (ML) til enhver brugssituation med fuldt administreret infrastruktur, værktøjer og arbejdsgange. Ved parring JFrog Artifactory med Amazon SageMaker kan ML-modeller leveres sammen med alle andre softwareudviklingskomponenter i et moderne DevSecOps-workflow, hvilket gør hver model uforanderlig, sporbar, sikker og valideret, efterhånden som den modnes til frigivelse. JFrog afslørede også nye versionsfunktioner til sin ML Model management løsning, som hjælper med at sikre, at overholdelse og sikkerhed er indarbejdet i hvert trin af ML-modeludvikling.

"Efterhånden som flere virksomheder begynder at administrere big data i skyen, spørger DevOps teamledere, hvordan de kan skalere datavidenskab og ML-kapaciteter for at accelerere softwarelevering uden at introducere risiko og kompleksitet," siger Kelly Hartman, SVP, Global Channels and Alliances, JFrog. "Kombinationen af Artifactory og Amazon SageMaker skaber en enkelt kilde til sandhed, der indoktrinerer DevSecOps bedste praksis til ML-modeludvikling i skyen - leverer fleksibilitet, hastighed, sikkerhed og ro i sindet - bryder ind i en ny grænse for MLSecOps."

Ifølge en seneste Forrester-undersøgelse50 procent af databeslutningstagerne nævnte anvendelsen af styringspolitikker inden for AI/ML som den største udfordring for udbredt brug, mens 45 procent nævnte data- og modelsikkerhed som portfaktoren. JFrogs Amazon SageMaker-integration anvender DevSecOps bedste praksis til ML-modelstyring, hvilket giver udviklere og dataforskere mulighed for at udvide, accelerere og sikre udviklingen af ML-projekter på en måde, der er virksomhedskvalitet, sikker og overholder lovgivningsmæssige og organisatoriske overholdelse.

JFrog er ny Amazon SageMaker integration giver organisationer mulighed for at:

Oprethold en enkelt kilde til sandhed for dataforskere og udviklere, og sørg for, at alle modeller er let tilgængelige, sporbare og manipulationssikre.
Bring ML tættere på softwareudviklings- og produktionslivscyklussen, og beskyt modellerne mod sletning eller ændring.
Udvikle, træne, sikre og implementere ML-modeller.
Opdag og bloker brugen af ondsindede ML-modeller på tværs af organisationen.
Scan ML-modellicenser for at sikre overholdelse af virksomhedens politikker og lovmæssige krav.
Gem hjemmedyrkede eller internt udvidede ML-modeller med robuste adgangskontroller og versionshistorik for større gennemsigtighed.
Pak og distribuer ML-modeller som en del af enhver softwareudgivelse.

"Traditionelle softwareudviklingsprocesser og maskinlæring skiller sig ud og mangler integration med eksisterende værktøjer," sagde Larry Carvalho, rektor og grundlægger af RobustCloud. "Sammen giver JFrog Artifactory og Amazon SageMaker et integreret end-to-end, styret miljø til maskinlæring. At bringe disse verdener sammen repræsenterer betydelige fremskridt hen imod harmonisering af maskinlæringspipelines med etablerede softwareudviklingslivscyklusser og bedste praksis."

Sammen med sin Amazon SageMaker-integration, JFrog afsløret nye versionsfunktioner for sin ML Model Management løsning der inkorporerer modeludvikling i en organisations DevSecOps-arbejdsgang for at øge gennemsigtigheden omkring hver modelversion, så udviklere, DevOps-teams og dataforskere kan sikre, at den korrekte, sikre version af en model bliver brugt.

JFrog-integrationen med Amazon SageMaker, som nu er tilgængelig for JFrog-kunder og Amazon SageMaker-brugere, sikrer, at alle artefakter, der forbruges af dataforskere eller bruges til at udvikle ML-applikationer, hentes fra og gemmes i JFrog Artifactory.

For et dybere kig på integrationen og hvordan den fungerer, læs denne blog. Du kan også registrere dig for at deltage i JFrog og AWS onsdag den 31. januar kl. 1:10 ET/XNUMX:XNUMX PT til et pædagogisk webinar, "Bygning til fremtiden: DevSecOps i æraen med AI/ML-modeludvikling, " beskrive bedste praksis for at introducere modelbrug og udvikling i sikker softwareforsyningskæde og udviklingsprocesser.

Kan du lide denne historie? Send dette på X (tidligere Twitter): .@jfrog udruller ny integration med @awscloud SageMaker for at låse op for større #ML #sikkerhed og innovation på tværs af softwareudviklingens livscyklus. Lær mere: https://jfrog.co/4aW18gT #SoftwareSupplyChain #DevSecOps #SDLC #MachineLearning #AI

Om JFrog

JFrog Ltd. (Nasdaq: FROG) er på en mission om at skabe en verden af software leveret uden friktion fra udvikler til enhed. Drevet af en "Liquid Software"-vision er JFrog Software Supply Chain Platform et enkelt registreringssystem, der giver organisationer mulighed for at bygge, administrere og distribuere software hurtigt og sikkert, hvilket sikrer, at det er tilgængeligt, sporbart og manipulationssikkert. De integrerede sikkerhedsfunktioner hjælper også med at identificere, beskytte og afhjælpe mod trusler og sårbarheder. JFrogs hybride, universelle multi-cloud-platform er tilgængelig som både selv-hostede og SaaS-tjenester på tværs af store cloud-tjenesteudbydere. Millioner af brugere og 7K+ kunder verden over, inklusive størstedelen af Fortune 100, er afhængige af JFrog-løsninger for sikkert at omfavne digital transformation. Når først du springer frem, går du ikke tilbage! Lær mere på jfrog.com og følg os på Twitter: @jfrog.

Advarsel om fremadrettede udsagn

Denne pressemeddelelse indeholder "fremadrettede" erklæringer, som dette udtryk er defineret under den amerikanske føderale værdipapirlovgivning, herunder men ikke begrænset til erklæringer vedrørende JFrog Artifactory og Amazon SageMaker integrationen, der muliggør samarbejde om opbygning og implementering af ML-modeller, JFrog nye versionsfunktioner for sin ML Model Management-løsning og de forventede fordele for kunderne.

Disse fremadrettede udsagn er baseret på vores nuværende antagelser, forventninger og overbevisninger og er underlagt væsentlige risici, usikkerheder, antagelser og ændringer i omstændigheder, der kan få JFrogs faktiske resultater, præstationer eller præstationer til at afvige væsentligt fra dem, der er udtrykt eller underforstået i enhver forward. - udseende erklæring. Der er et betydeligt antal faktorer, der kan få faktiske resultater, præstationer eller præstationer til at afvige væsentligt fra udsagn i denne pressemeddelelse, herunder, men ikke begrænset til, risici, der er beskrevet i vores indberetninger til Securities and Exchange Commission, herunder i vores årsrapport på formular 10-K for året, der sluttede den 31. december 2022, vores kvartalsrapporter på formular 10-Q og andre indsendelser og rapporter, som vi fra tid til anden kan indsende til Securities and Exchange Commission. Fremadrettede udsagn repræsenterer kun vores overbevisninger og antagelser på datoen for denne pressemeddelelse. Vi fraskriver os enhver forpligtelse til at opdatere fremadrettede udsagn.

Kontakt os

Mediekontakt:
Siobhan Lyons, Sr. MarComm Manager, JFrog, siobhanL@jfrog.com

Investor Kontakt:
Jeff Schreiner, VP for Investor Relations, jeffS@jfrog.com