Comment ReliaQuest utilise Amazon SageMaker pour accélérer son innovation en IA de 35 fois

Republié par Platon

Suiveurs: 0

La cybersécurité reste une préoccupation majeure pour les entreprises. Pourtant, le paysage des menaces en constante évolution auquel ils sont confrontés rend plus difficile que jamais d'avoir confiance dans leurs protections de cybersécurité.

Pour remédier à cette, ReliaQuest construit Matière grise, une plate-forme Open XDR-as-a-Service qui rassemble la télémétrie de n'importe quelle solution de sécurité et d'entreprise, que ce soit sur site ou dans un ou plusieurs clouds, pour unifier la détection, l'investigation, la réponse et la résilience.

En 2021, ReliaQuest s'est tournée vers AWS pour l'aider à améliorer ses capacités d'intelligence artificielle (IA) et à créer de nouvelles fonctionnalités plus rapidement.

En utilisant Amazon Sage Maker, Registre des conteneurs élastiques Amazon (ECR), et Fonctions d'étape AWS, ReliaQuest a réduit de dix-huit mois à deux semaines le temps nécessaire au déploiement et au test de nouvelles capacités critiques d'IA pour sa plateforme GreyMatter. Cela a multiplié par 35 la vitesse de son innovation en IA.

« Cette architecture innovante a considérablement réduit le délai de rentabilisation des initiatives de science des données de ReliaQuest.

Désormais, nous pouvons vraiment nous concentrer sur ce qui est le plus important : développer des solutions puissantes pour améliorer encore la sécurité des environnements de nos clients dans un paysage de menaces en constante évolution.

Lauren Jenkins, chef de produit senior, science des données, ReliaQuest

Utiliser l'IA pour améliorer les performances des analystes humains

GreyMatter adopte une approche fondamentalement nouvelle de la cybersécurité, associant un logiciel avancé à une équipe d'analystes de sécurité hautement qualifiés pour offrir une efficacité et une efficacité de sécurité considérablement améliorées.

Bien que les analystes en sécurité de ReliaQuest comptent parmi les meilleurs talents en matière de sécurité du secteur, un seul analyste peut recevoir des centaines de nouveaux incidents de sécurité chaque jour. Ces analystes doivent examiner chaque incident pour déterminer le niveau de menace et la méthode de réponse optimale.

Pour rationaliser ce processus et réduire le temps de résolution, ReliaQuest a entrepris de développer un système de recommandation basé sur l'IA qui associe automatiquement les nouveaux incidents de sécurité aux occurrences antérieures similaires. Cela a amélioré la vitesse à laquelle les analystes humains peuvent identifier le type d'incident ainsi que la meilleure action suivante.

Utilisation d'Amazon SageMaker pour mettre l'IA au travail plus rapidement

ReliaQuest avait développé un modèle initial d'apprentissage automatique (ML), mais il lui manquait l'infrastructure de support pour l'utiliser.

Pour résoudre ce problème, le scientifique des données de ReliaQuest, Mattie Langford, et l'ingénieur ML Ops, Riley Rohloff, se sont tournés vers Amazon SageMaker. SageMaker est une plateforme ML de bout en bout qui aide les développeurs et les data scientists à créer, former et déployer rapidement et facilement des modèles ML.

Amazon SageMaker accélère le déploiement des charges de travail ML en simplifiant le processus de création ML. Il fournit un large éventail de fonctionnalités ML en plus d'une infrastructure entièrement gérée. Cela supprime les charges lourdes indifférenciées qui entravent trop souvent le développement du ML.

ReliaQuest a choisi SageMaker en raison de sa fonction d'hébergement intégrée, une capacité clé qui a permis à ReliaQuest de déployer rapidement son modèle initial préformé sur une infrastructure entièrement gérée.

ReliaQuest a également utilisé Amazon ECR pour stocker ses images de modèles pré-formés, en utilisant le registre de conteneurs entièrement géré d'Amazon ECR qui facilite le stockage, la gestion, le partage et le déploiement d'images et d'artefacts de conteneurs, tels que des modèles ML pré-formés, n'importe où.

ReliaQuest a choisi Amazon ECR en raison de son intégration native avec Amazon SageMaker. Cela lui a permis de servir des images de modèle personnalisées pour la formation et les prédictions, ces dernières via une application Flask personnalisée qu'elle avait créée.

À l'aide d'Amazon SageMaker et d'Amazon ECR, une seule équipe ReliaQuest a développé, testé et déployé son modèle préformé derrière un point de terminaison géré rapidement et efficacement, sans avoir besoin de transférer ou de dépendre d'autres équipes pour l'assistance.

Utilisation d'AWS Step Functions pour recycler et améliorer automatiquement les performances du modèle

De plus, ReliaQuest a pu créer une couche d'orchestration complète pour son flux de travail ML à l'aide d'AWS Step Functions, un service de flux de travail visuel à faible code qui peut orchestrer les services AWS, automatiser les processus métier et activer les applications sans serveur.

ReliaQuest a choisi AWS Step Functions en raison de ses fonctionnalités approfondies et de son intégration avec d'autres services AWS. Cela a permis à ReliaQuest de créer une boucle d'apprentissage entièrement automatisée pour son modèle, notamment :

un déclencheur qui recherchait des données mises à jour dans un compartiment S3
un processus de recyclage complet qui a créé un nouveau travail de formation avec les données mises à jour
une évaluation des performances de ce travail de formation
des seuils de précision prédéfinis pour déterminer s'il faut mettre à jour le modèle déployé via une nouvelle configuration de point de terminaison.

Utilisation d'AWS pour accroître l'innovation et réinventer la protection de la cybersécurité

En combinant Amazon SageMaker, Amazon ECR et AWS Step Functions, ReliaQuest a pu améliorer la vitesse à laquelle il a déployé et testé de nouvelles capacités d'IA précieuses de dix-huit mois à deux semaines, soit une accélération de 35 fois dans son déploiement de nouvelles fonctionnalités.

Non seulement ces nouvelles fonctionnalités continuent d'améliorer la des capacités continues de détection des menaces, de chasse aux menaces et de correction pour ses clients, mais ils offrent également à ReliaQuest une amélioration radicale de sa capacité à tester et à déployer de nouvelles capacités dans le futur.

Dans le paysage complexe des menaces de cybersécurité, l'utilisation de l'IA par ReliaQuest pour améliorer ses analystes humains continuera d'améliorer leur efficacité. De plus, ses capacités d'innovation accélérées lui permettront de continuer à aider ses clients à garder une longueur d'avance sur les menaces en évolution rapide auxquelles ils sont confrontés.

Découvrez comment vous pouvez accélérer votre capacité à innover avec l'IA en visitant Premiers pas avec Amazon SageMaker ou revoir le Ressources pour les développeurs Amazon SageMaker dès aujourd’hui.

À propos de l’auteur

Daniel Burque est le responsable européen de l'IA et du ML dans le groupe Private Equity d'AWS. Dans ce rôle, Daniel travaille directement avec les fonds de capital-investissement et leurs sociétés de portefeuille pour concevoir et mettre en œuvre des solutions d'IA et de ML qui accélèrent l'innovation et génèrent une valeur d'entreprise supplémentaire.