Wie ReliaQuest Amazon SageMaker nutzt, um seine KI-Innovation um das 35-fache zu beschleunigen

Neuauflage von Plato

Verfolger: 0

Cybersicherheit ist nach wie vor ein großes Anliegen für Unternehmen. Doch die sich ständig weiterentwickelnde Bedrohungslandschaft, mit der sie konfrontiert sind, macht es schwieriger denn je, sich auf ihren Cybersicherheitsschutz zu verlassen.

Um das zu erwähnen, ReliaQuest erbaut Graue Zellen, eine offene XDR-as-a-Service-Plattform , die Telemetrie aus jeder Sicherheits- und Geschäftslösung zusammenführt, sei es vor Ort oder in einer oder mehreren Clouds, um Erkennung, Untersuchung, Reaktion und Ausfallsicherheit zu vereinheitlichen.

Im Jahr 2021 wandte sich ReliaQuest an AWS, um seine Fähigkeiten im Bereich der künstlichen Intelligenz (KI) zu verbessern und neue Funktionen schneller zu entwickeln.

Die richtigen Amazon Sage Maker, Amazon Elastic Container-Registrierung (ECR) und AWS Step-Funktionen, ReliaQuest verkürzte den Zeitaufwand für die Bereitstellung und den Test kritischer neuer KI-Funktionen für seine GreyMatter-Plattform von achtzehn Monaten auf zwei Wochen. Dies erhöhte die Geschwindigkeit seiner KI-Innovation um das 35-fache.

„Diese innovative Architektur hat die Zeit bis zur Wertschöpfung der Data-Science-Initiativen von ReliaQuest drastisch verkürzt.

Jetzt können wir uns wirklich auf das Wichtigste konzentrieren – die Entwicklung leistungsstarker Lösungen, um die Sicherheit der Umgebungen unserer Kunden in einer sich ständig verändernden Bedrohungslandschaft weiter zu verbessern.“

Lauren Jenkins, Senior Product Manager, Data Science, ReliaQuest

Einsatz von KI zur Verbesserung der Leistung menschlicher Analysten

GreyMatter verfolgt einen grundlegend neuen Ansatz in der Cybersicherheit und kombiniert fortschrittliche Software mit einem Team hochqualifizierter Sicherheitsanalysten, um eine drastisch verbesserte Wirksamkeit und Effizienz der Sicherheit zu erreichen.

Obwohl die Sicherheitsanalysten von ReliaQuest zu den am besten ausgebildeten Sicherheitstalenten der Branche gehören, kann ein einzelner Analyst an einem beliebigen Tag Hunderte neuer Sicherheitsvorfälle erhalten. Diese Analysten müssen jeden Vorfall überprüfen, um die Bedrohungsstufe und die optimale Reaktionsmethode zu bestimmen.

Um diesen Prozess zu rationalisieren und die Zeit bis zur Lösung zu verkürzen, hat sich ReliaQuest zum Ziel gesetzt, ein KI-gesteuertes Empfehlungssystem zu entwickeln, das neue Sicherheitsvorfälle automatisch ähnlichen früheren Vorkommnissen zuordnet. Dies erhöhte die Geschwindigkeit, mit der menschliche Analysten den Vorfalltyp und die beste nächste Maßnahme identifizieren können.

Verwenden Sie Amazon SageMaker, um KI schneller zum Einsatz zu bringen

ReliaQuest hatte ein erstes Modell für maschinelles Lernen (ML) entwickelt, aber es fehlte die unterstützende Infrastruktur, um es zu nutzen.

Um dieses Problem zu lösen, wandten sich der Datenwissenschaftler von ReliaQuest, Mattie Langford, und der ML-Ops-Ingenieur, Riley Rohloff, an Amazon SageMaker. SageMaker ist eine End-to-End-ML-Plattform, die Entwicklern und Datenwissenschaftlern hilft, ML-Modelle schnell und einfach zu erstellen, zu trainieren und bereitzustellen.

Amazon SageMaker beschleunigt die Bereitstellung von ML-Arbeitslasten durch die Vereinfachung des ML-Erstellungsprozesses. Es bietet eine breite Palette an ML-Funktionen zusätzlich zu einer vollständig verwalteten Infrastruktur. Dadurch entfällt die undifferenzierte Schwerarbeit, die die ML-Entwicklung allzu oft behindert.

ReliaQuest entschied sich für SageMaker aufgrund seiner integrierten Hosting-Funktion, einer Schlüsselfunktion, die es ReliaQuest ermöglichte, sein erstes vorab trainiertes Modell schnell auf einer vollständig verwalteten Infrastruktur bereitzustellen.

ReliaQuest nutzte Amazon ECR auch zum Speichern seiner vorab trainierten Modellbilder und nutzte dabei die vollständig verwaltete Container-Registrierung von Amazon ECR, die es einfach macht, Containerbilder und Artefakte, wie zum Beispiel vorab trainierte ML-Modelle, überall zu speichern, zu verwalten, zu teilen und bereitzustellen.

ReliaQuest hat sich aufgrund der nativen Integration mit Amazon SageMaker für Amazon ECR entschieden. Dies ermöglichte die Bereitstellung benutzerdefinierter Modellbilder sowohl für das Training als auch für Vorhersagen, letzteres über eine von ihm erstellte benutzerdefinierte Flask-Anwendung.

Mithilfe von Amazon SageMaker und Amazon ECR entwickelte, testete und implementierte ein einzelnes ReliaQuest-Team sein vorab trainiertes Modell schnell und effizient hinter einem verwalteten Endpunkt, ohne die Unterstützung an andere Teams übergeben zu müssen oder auf diese angewiesen zu sein.

Verwenden von AWS Step Functions zur automatischen Neuschulung und Verbesserung der Modellleistung

Darüber hinaus konnte ReliaQuest mithilfe von AWS Step Functions, einem visuellen Workflow-Dienst mit geringem Codeaufwand, der AWS-Dienste orchestrieren, Geschäftsprozesse automatisieren und serverlose Anwendungen ermöglichen kann, eine vollständige Orchestrierungsebene für seinen ML-Workflow erstellen.

ReliaQuest hat sich aufgrund der umfassenden Funktionalität und Integration mit anderen AWS-Diensten für AWS Step Functions entschieden. Dadurch konnte ReliaQuest eine vollständig automatisierte Lernschleife für sein Modell aufbauen, einschließlich:

ein Trigger, der nach aktualisierten Daten in einem S3-Bucket suchte
ein vollständiger Umschulungsprozess, der mit den aktualisierten Daten einen neuen Ausbildungsjob erstellte
eine Leistungsbeurteilung dieser Ausbildungsstelle
Vordefinierte Genauigkeitsschwellenwerte, um zu bestimmen, ob das bereitgestellte Modell über eine neue Endpunktkonfiguration aktualisiert werden soll.

Nutzen Sie AWS, um die Innovation zu steigern und den Cybersicherheitsschutz neu zu gestalten

Durch die Kombination von Amazon SageMaker, Amazon ECR und AWS Step Functions konnte ReliaQuest die Geschwindigkeit, mit der es wertvolle neue KI-Funktionen bereitstellte und testete, von achtzehn Monaten auf zwei Wochen steigern, was einer 35-fachen Beschleunigung bei der Bereitstellung neuer Funktionen entspricht.

Diese neuen Funktionen verbessern nicht nur die von GreyMatter weiter Sie bieten ihren Kunden nicht nur kontinuierliche Funktionen zur Bedrohungserkennung, Bedrohungssuche und -behebung, sondern bieten ReliaQuest auch eine deutliche Verbesserung seiner Fähigkeit, neue Funktionen in der Zukunft zu testen und bereitzustellen.

In der komplexen Landschaft der Cybersicherheitsbedrohungen wird ReliaQuests Einsatz von KI zur Verbesserung seiner menschlichen Analysten deren Effektivität weiter verbessern. Darüber hinaus wird das Unternehmen dank seiner beschleunigten Innovationsfähigkeiten weiterhin in der Lage sein, seinen Kunden dabei zu helfen, den sich schnell entwickelnden Bedrohungen, mit denen sie konfrontiert sind, immer einen Schritt voraus zu sein.

Erfahren Sie mehr darüber, wie Sie Ihre Innovationsfähigkeit mit KI beschleunigen können, indem Sie hier vorbeischauen Erste Schritte mit Amazon SageMaker oder das überprüfen Amazon SageMaker Entwicklerressourcen heute.

Über den Autor

Daniel Burke ist der europäische Leiter für KI und ML in der Private Equity-Gruppe bei AWS. In dieser Rolle arbeitet Daniel direkt mit Private-Equity-Fonds und deren Portfoliounternehmen zusammen, um KI- und ML-Lösungen zu entwerfen und zu implementieren, die Innovationen beschleunigen und zusätzlichen Unternehmenswert generieren.