JFrog و AWS توسعه یادگیری ماشین ایمن را تسریع می کنند

بازنشر افلاطون

دنبال: 0

ادغام جدید JFrog Artifactory و Amazon SageMaker به توسعه دهندگان و دانشمندان داده قدرت می دهد تا مدل های ML را در فضای ابری بسازند، آموزش دهند و به کار گیرند.

SUNNYVALE ، کالیفرنیا. - (سیم تجارت) -JFrog Ltd. ("JFrog") (Nasdaq: FROG)، شرکت نرم افزار مایع و سازندگان پلتفرم زنجیره تامین نرم افزار JFrog، امروز یک ادغام جدید با آمازون SageMakerکه به شرکت‌ها کمک می‌کند تا مدل‌های یادگیری ماشینی (ML) را برای هر موردی با زیرساخت‌ها، ابزارها و گردش‌های کاری کاملاً مدیریت‌شده بسازند، آموزش دهند و به کار ببرند. با جفت شدن JFrog Artifactory با آمازون SageMaker، مدل‌های ML را می‌توان در کنار سایر مؤلفه‌های توسعه نرم‌افزار در یک گردش کار مدرن DevSecOps ارائه کرد، و هر مدل را تغییرناپذیر، قابل ردیابی، ایمن و در زمان بلوغ برای انتشار تأیید کرد. JFrog همچنین از قابلیت‌های نسخه‌سازی جدید خود رونمایی کرد راه حل مدیریت مدل ML، که به اطمینان از انطباق و امنیت در هر مرحله از توسعه مدل ML کمک می کند.

کلی هارتمن، SVP، Global Channels and Alliance، JFrog، گفت: «در حالی که شرکت‌های بیشتری شروع به مدیریت داده‌های بزرگ در فضای ابری می‌کنند، رهبران تیم DevOps می‌پرسند که چگونه می‌توانند علم داده و قابلیت‌های ML را برای سرعت بخشیدن به تحویل نرم‌افزار بدون وارد کردن ریسک و پیچیدگی، مقیاس کنند. ترکیب Artifactory و Amazon SageMaker منبعی از حقیقت را ایجاد می‌کند که بهترین شیوه‌های DevSecOps را برای توسعه مدل ML در فضای ابری تلقین می‌کند - ارائه انعطاف‌پذیری، سرعت، امنیت و آرامش خاطر - شکستن مرز جدیدی از MLSecOps.

با توجه به نظرسنجی اخیر Forrester50 درصد از تصمیم گیرندگان داده اعمال سیاست های حاکمیتی در AI/ML را به عنوان بزرگترین چالش برای استفاده گسترده ذکر کردند، در حالی که 45 درصد از داده ها و امنیت مدل به عنوان عامل دروازه نام بردند. ادغام آمازون SageMaker JFrog بهترین شیوه‌های DevSecOps را برای مدیریت مدل ML اعمال می‌کند و به توسعه‌دهندگان و دانشمندان داده اجازه می‌دهد تا توسعه پروژه‌های ML را به گونه‌ای که در سطح سازمانی، ایمن و مطابق با مقررات و قوانین سازمانی باشد، گسترش، تسریع و ایمن کنند.

جدید JFrog ادغام Amazon SageMaker به سازمان ها اجازه می دهد:

یک منبع واحد از حقیقت را برای دانشمندان داده و توسعه دهندگان حفظ کنید، اطمینان حاصل کنید که همه مدل ها به راحتی در دسترس، قابل ردیابی و ضد دستکاری هستند.
ML را به چرخه عمر تولید و توسعه نرم افزار نزدیک کنید و از مدل ها در برابر حذف یا اصلاح محافظت کنید.
توسعه، آموزش، ایمن سازی و استقرار مدل های ML.
شناسایی و جلوگیری از استفاده از مدل های مخرب ML در سراسر سازمان.
مجوزهای مدل ML را اسکن کنید تا از انطباق با سیاست های شرکت و الزامات قانونی اطمینان حاصل کنید.
برای شفافیت بیشتر، مدل‌های ML داخلی یا داخلی را با کنترل‌های دسترسی قوی و تاریخچه نسخه‌سازی ذخیره کنید.
مدل های ML را به عنوان بخشی از هر نسخه نرم افزاری بسته بندی و توزیع کنید.

لری کاروالیو، مدیر و موسس این شرکت گفت: «فرایندهای سنتی توسعه نرم‌افزار و یادگیری ماشینی از هم جدا هستند و با ابزارهای موجود ادغام نمی‌شوند. RobustCloud. JFrog Artifactory و Amazon SageMaker با هم یک محیط یکپارچه و یکپارچه را برای یادگیری ماشین فراهم می‌کنند. گرد هم آوردن این دنیاها نشان دهنده پیشرفت قابل توجهی در راستای هماهنگ کردن خطوط لوله یادگیری ماشین با چرخه عمر توسعه نرم افزار و بهترین شیوه ها است.

همراه با آمازون SageMaker، JFrog از قابلیت‌های جدید نسخه‌سازی رونمایی کرد برای آن راه حل مدیریت مدل ML که توسعه مدل را در گردش کار DevSecOps سازمان گنجانده است تا شفافیت را در مورد هر نسخه مدل افزایش دهد تا توسعه دهندگان، تیم های DevOps و دانشمندان داده بتوانند از نسخه صحیح و ایمن یک مدل استفاده کنند.

ادغام JFrog با Amazon SageMaker، که اکنون برای مشتریان JFrog و کاربران Amazon SageMaker در دسترس است، تضمین می کند که تمام مصنوعات مصرف شده توسط دانشمندان داده یا استفاده شده برای توسعه برنامه های کاربردی ML از JFrog Artifactory خارج شده و ذخیره می شوند.

برای نگاه عمیق تر به ادغام و نحوه عملکرد آن، بخوانید این وبلاگ. همچنین می‌توانید برای پیوستن به JFrog و AWS در روز چهارشنبه، 31 ژانویه، ساعت 1 بعد از ظهر ET/10 صبح PT برای یک وبینار آموزشی ثبت نام کنید. "ساختن آینده: DevSecOps در عصر توسعه مدل AI/ML" توصیف بهترین شیوه ها برای معرفی استفاده و توسعه مدل در زنجیره تامین نرم افزار ایمن و فرآیندهای توسعه.

این داستان را دوست دارید؟ این را در X (توئیتر سابق) ارسال کنید: .jfrog ادغام جدیدی را با @awscloud SageMaker ارائه می‌کند تا #امنیت و نوآوری بیشتر #ML را در چرخه عمر توسعه نرم‌افزار باز کند. بیشتر بدانید: https://jfrog.co/4aW18gT #SoftwareSupply Chain #DevSecOps #SDLC #MachineLearning #AI

درباره JFrog

JFrog Ltd. (Nasdaq: FROG) مأموریت دارد دنیایی از نرم‌افزار ایجاد کند که بدون اصطکاک از برنامه‌نویسی به دستگاه دیگر تحویل داده می‌شود. پلتفرم زنجیره تامین نرم‌افزار JFrog که با چشم‌انداز «نرم‌افزار مایع» هدایت می‌شود، یک سیستم سوابق واحد است که سازمان‌ها را قادر می‌سازد تا نرم‌افزار را سریع و ایمن بسازند، مدیریت کنند و توزیع کنند و از در دسترس بودن، ردیابی و ضد دستکاری آن اطمینان حاصل کنند. ویژگی های امنیتی یکپارچه همچنین به شناسایی، محافظت و اصلاح در برابر تهدیدات و آسیب پذیری ها کمک می کند. پلتفرم ترکیبی، جهانی و چند ابری JFrog هم به عنوان سرویس میزبان خود و هم به عنوان سرویس SaaS در سراسر ارائه دهندگان خدمات ابری اصلی در دسترس است. میلیون‌ها کاربر و مشتریان +7K در سراسر جهان، از جمله اکثریت Fortune 100، به راه‌حل‌های JFrog برای پذیرش ایمن تحول دیجیتال وابسته هستند. وقتی به جلو بپری، دیگر به عقب برنمی گردی! بیشتر بدانید در jfrog.com و ما را در توییتر دنبال کنید: @jfrog.

یادداشت احتیاطی درباره اظهارات آینده نگر

این بیانیه مطبوعاتی حاوی اظهارات "آینده نگر" است، زیرا این اصطلاح تحت قوانین اوراق بهادار فدرال ایالات متحده تعریف شده است، از جمله، اما نه محدود به اظهارات در مورد ادغام JFrog Artifactory و Amazon SageMaker که امکان همکاری در ساخت و استقرار مدل های ML، قابلیت های نسخه جدید JFrog را فراهم می کند. برای راه حل مدیریت مدل ML و مزایای پیش بینی شده برای مشتریان.

این اظهارات آینده‌نگر مبتنی بر مفروضات، انتظارات و باورهای فعلی ما هستند و در معرض خطرات، عدم قطعیت‌ها، مفروضات و تغییرات قابل توجهی در شرایطی هستند که ممکن است باعث شود نتایج، عملکرد یا دستاوردهای واقعی JFrog از نظر مادی با نتایج بیان شده یا ضمنی در هر آینده متفاوت باشد. بیانیه ظاهری تعداد قابل توجهی از عوامل وجود دارد که می تواند باعث شود نتایج، عملکرد یا دستاوردهای واقعی با اظهارات ارائه شده در این بیانیه مطبوعاتی تفاوت اساسی داشته باشد، از جمله خطرات مشروح در پرونده های ما با کمیسیون بورس و اوراق بهادار، از جمله در گزارش سالانه ما. در فرم 10-K برای سال منتهی به 31 دسامبر 2022، گزارش های سه ماهه ما در مورد فرم 10-Q، و سایر پرونده ها و گزارش هایی که ممکن است هر از گاهی در کمیسیون بورس و اوراق بهادار ارسال کنیم. اظهارات آینده نگر تنها بیانگر باورها و مفروضات ما از تاریخ این بیانیه مطبوعاتی است. ما از هرگونه تعهدی برای به روز رسانی بیانیه های آینده نگر خودداری می کنیم.

اطلاعات تماس

تماس با رسانه ها:
Siobhan Lyons، Sr. MarComm Manager، JFrog، siobhanL@jfrog.com

تماس با سرمایه گذار:
جف شراینر، معاون روابط سرمایه گذار، jeffS@jfrog.com