Kuinka ReliaQuest käyttää Amazon SageMakeria nopeuttaakseen tekoälyinnovaatiotaan 35-kertaiseksi 

Kyberturvallisuus on edelleen yritysten suurin huolenaihe. Silti heidän kohtaamansa jatkuvasti kehittyvä uhkakuva tekee entistä vaikeammaksi luottaa kyberturvallisuuteensa.

Tämän ratkaisemiseksi ReliaQuest rakennettu Harmaa aines, Open XDR-as-a-Service -alusta, joka yhdistää telemetrian mistä tahansa tietoturva- ja liiketoimintaratkaisusta, olipa kyseessä paikan päällä tai yhdessä tai useassa pilvessä, ja joka yhdistää havaitsemisen, tutkimuksen, vastauksen ja joustavuuden.

Vuonna 2021 ReliaQuest kääntyi AWS:n puoleen auttaakseen sitä parantamaan tekoälyn (AI) ominaisuuksia ja rakentamaan uusia ominaisuuksia nopeammin.

Käyttäminen Amazon Sage Maker, Amazonin elastisten säiliörekisteri (ECR) ja AWS-vaihetoiminnot, ReliaQuest lyhensi GreyMatter-alustan uusien kriittisten tekoälyominaisuuksien käyttöönottoon ja testaamiseen tarvittavaa aikaa kahdeksastatoista kuukaudesta kahteen viikkoon. Tämä lisäsi sen AI-innovoinnin nopeutta 35-kertaiseksi.

”Tämä innovatiivinen arkkitehtuuri on lyhentänyt dramaattisesti aikaa ReliaQuestin datatieteen aloitteiden arvostamiseen. Nyt voimme todella keskittyä tärkeimpään – tehokkaiden ratkaisujen kehittämiseen asiakkaidemme ympäristöjen turvallisuuden parantamiseksi jatkuvasti muuttuvassa uhkaympäristössä. Lauren Jenkins, Snr tuotepäällikkö, Data Science, ReliaQuest

Tekoälyn käyttö ihmisanalyytikkojen suorituskyvyn parantamiseen

GreyMatter ottaa täysin uuden lähestymistavan kyberturvallisuuteen yhdistämällä kehittyneet ohjelmistot korkeasti koulutettujen tietoturva-analyytikkoryhmien kanssa parantaakseen tietoturvan tehokkuutta ja tehokkuutta huomattavasti.

Vaikka ReliaQuestin tietoturva-analyytikot ovat alan parhaiten koulutettuja tietoturvakykyjä, yksi analyytikko voi saada satoja uusia tietoturvatapauksia minä päivänä tahansa. Näiden analyytikoiden on tarkistettava jokainen tapaus määrittääkseen uhkatason ja optimaalisen reagointitavan.

Tämän prosessin virtaviivaistamiseksi ja ratkaisuun kuluvan ajan lyhentämiseksi ReliaQuest päätti kehittää tekoälyyn perustuvan suositusjärjestelmän, joka sovittaa automaattisesti uudet tietoturvahäiriöt vastaaviin aikaisempiin tapahtumiin. Tämä lisäsi nopeutta, jolla ihmisanalyytikot pystyvät tunnistamaan tapahtumatyypin sekä parhaan seuraavan toimenpiteen.

Amazon SageMakerin avulla tekoäly saadaan toimimaan nopeammin

ReliaQuest oli kehittänyt alkuperäisen koneoppimismallin (ML), mutta siitä puuttui tukiinfrastruktuuri sen hyödyntämiseksi.

Tämän ratkaisemiseksi ReliaQuestin tietotutkija Mattie Langford ja ML Ops -insinööri Riley Rohloff kääntyivät Amazon SageMakerin puoleen. SageMaker on päästä päähän ML-alusta, joka auttaa kehittäjiä ja datatieteilijöitä nopeasti ja helposti rakentamaan, kouluttamaan ja ottamaan käyttöön ML-malleja.

Amazon SageMaker nopeuttaa ML-työkuormien käyttöönottoa yksinkertaistamalla ML-koontiprosessia. Se tarjoaa laajan valikoiman ML-ominaisuuksia täysin hallitun infrastruktuurin lisäksi. Tämä poistaa erottumattoman raskaiden nostojen, jotka liian usein haittaavat ML:n kehitystä.

ReliaQuest valitsi SageMakerin sen sisäänrakennetun isännöintiominaisuuden vuoksi, joka on keskeinen ominaisuus, jonka ansiosta ReliaQuest pystyi nopeasti ottamaan käyttöön alkuperäisen esikoulutetun mallinsa täysin hallitussa infrastruktuurissa.

ReliaQuest käytti myös Amazon ECR:ää valmiiden mallikuvien tallentamiseen käyttämällä Amazon ECR:n täysin hallittua säilörekisteriä, jonka avulla on helppo tallentaa, hallita, jakaa ja ottaa käyttöön säilökuvia ja esineitä, kuten esikoulutettuja ML-malleja, missä tahansa.

ReliaQuest valitsi Amazon ECR:n, koska se on integroitunut Amazon SageMakeriin. Tämän ansiosta se pystyi tarjoamaan mukautettuja mallikuvia sekä koulutukseen että ennusteisiin, jälkimmäisen rakentaman mukautetun Flask-sovelluksen kautta.

Amazon SageMakerin ja Amazon ECR:n avulla yksi ReliaQuest-tiimi kehitti, testasi ja otti käyttöön valmiiksi koulutetun mallinsa hallitun päätepisteen takana nopeasti ja tehokkaasti ilman, että hänen tarvitsisi luovuttaa tai olla riippuvainen muista ryhmistä tuen saamiseksi.

AWS-askeltoimintojen käyttäminen mallin suorituskyvyn automaattiseen uudelleenopetukseen ja parantamiseen

Lisäksi ReliaQuest pystyi rakentamaan kokonaisen orkestrointikerroksen ML-työnkululleen käyttämällä AWS Step Functionsia, matalakoodia visuaalista työnkulkupalvelua, joka voi organisoida AWS-palveluita, automatisoida liiketoimintaprosesseja ja mahdollistaa palvelimettomia sovelluksia.

ReliaQuest valitsi AWS Step Functions -toiminnot sen syvän toiminnallisuuden ja muiden AWS-palvelujen kanssa integroinnin vuoksi. Tämän ansiosta ReliaQuest pystyi rakentamaan mallilleen täysin automatisoidun oppimissilmukan, mukaan lukien:

• liipaisin, joka etsi päivitettyjä tietoja S3-säilöstä
• täydellinen uudelleenkoulutusprosessi, joka loi uuden koulutustyöpaikan päivitetyillä tiedoilla
• koulutustyön suoritusarviointi
• ennalta määritetyt tarkkuuskynnykset sen määrittämiseksi, päivitetäänkö käyttöön otettu malli uuden päätepisteen kokoonpanon avulla.

AWS:n käyttö innovaatioiden lisäämiseen ja kyberturvallisuuden uudistamiseen

Yhdistämällä Amazon SageMakerin, Amazon ECR:n ja AWS Step Functions, ReliaQuest pystyi parantamaan nopeutta, jolla se otti käyttöön ja testasi arvokkaita uusia tekoälyominaisuuksia 35 kuukaudesta kahteen viikkoon, mikä on XNUMX-kertainen kiihtyvyys sen uuden ominaisuuden käyttöönotossa.

Nämä uudet ominaisuudet eivät ainoastaan ​​paranna GreyMatterin ominaisuuksia jatkuvat uhkien havaitsemis-, uhkien etsintä- ja korjausominaisuudet asiakkailleen, mutta myös ne tarjoavat ReliaQuestille askel askeleelta parannuksia sen kykyyn testata ja ottaa käyttöön uusia ominaisuuksia tulevaisuudessa.

Kyberturvallisuusuhkien monimutkaisessa ympäristössä ReliaQuestin tekoälyn käyttö ihmisanalyytikkojen tehostamiseksi parantaa edelleen heidän tehokkuuttaan. Lisäksi sen nopeutuneet innovaatiokyvyt mahdollistavat sen, että se voi edelleen auttaa asiakkaitaan pysymään heidän kohtaamiensa nopeasti kehittyvien uhkien edessä.

Lue lisää siitä, kuinka voit nopeuttaa kykyäsi innovoida tekoälyn avulla vierailemalla Amazon SageMakerin käytön aloittaminen tai tarkistamalla Amazon SageMaker -kehittäjien resurssit tänään.

---

kirjailijasta

Daniel Burke on tekoälyn ja ML:n johtaja Euroopassa AWS:n Private Equity -ryhmässä. Tässä roolissa Daniel työskentelee suoraan Private Equity -rahastojen ja niiden kohdeyritysten kanssa suunnitellakseen ja toteuttaakseen tekoäly- ja ML-ratkaisuja, jotka nopeuttavat innovaatioita ja luovat lisäarvoa yritykselle.

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