Hogyan használja a ReliaQuest az Amazon SageMaker-t az AI innovációjának 35-szörösére való felgyorsítására 

A kiberbiztonság továbbra is a legnagyobb gondot jelenti a vállalkozások számára. A folyamatosan fejlődő fenyegetettség azonban minden eddiginél nehezebbé teszi, hogy magabiztosak legyenek kiberbiztonsági védelmükben.

Ennek megoldására ReliaQuest épült Szürke anyag, egy nyílt XDR-as-a-Service platform, amely bármely biztonsági és üzleti megoldás telemetriáját egyesíti, akár helyszíni, akár egy vagy több felhőben, hogy egyesítse az észlelést, a vizsgálatot, a reagálást és az ellenálló képességet.

2021-ben a ReliaQuest az AWS-hez fordult, hogy segítse a mesterséges intelligencia (AI) képességeinek fejlesztését és új funkciók gyorsabb kiépítését.

<p></p> Amazon SageMaker, Amazon Elastic Container Registry (ECR), és AWS lépésfunkciók, a ReliaQuest tizennyolc hónapról két hétre csökkentette a GreyMatter platform kritikus új AI-képességeinek telepítéséhez és teszteléséhez szükséges időt. Ez 35-szörösére növelte az AI innovációjának sebességét.

„Ez az innovatív architektúra drámaian lerövidítette a ReliaQuest adattudományi kezdeményezéseinek értékének megszerzéséhez szükséges időt. Most valóban a legfontosabbra összpontosíthatunk: hatékony megoldások kifejlesztésére, hogy tovább javítsuk ügyfeleink környezetének biztonságát egy folyamatosan változó fenyegetési környezetben.” Lauren Jenkins, Snr termékmenedzser, Data Science, ReliaQuest

AI használata a humán elemzők teljesítményének javítására

A GreyMatter a kiberbiztonság alapvetően új megközelítését alkalmazza, a fejlett szoftvereket magasan képzett biztonsági elemzők csapatával párosítva drasztikusan megnövelt biztonsági hatékonyságot és hatékonyságot biztosít.

Bár a ReliaQuest biztonsági elemzői az iparág legjobban képzett biztonsági tehetségei közé tartoznak, egyetlen elemző minden nap több száz új biztonsági incidenst kaphat. Ezeknek az elemzőknek minden incidenst át kell tekinteniük, hogy meghatározzák a fenyegetés szintjét és az optimális válaszmódszert.

A folyamat egyszerűsítése és a megoldáshoz szükséges idő csökkentése érdekében a ReliaQuest egy mesterséges intelligencia által vezérelt ajánlórendszer kifejlesztését tűzte ki célul, amely az új biztonsági incidenseket automatikusan hozzáigazítja a hasonló korábbi eseményekhez. Ez megnövelte a sebességet, amellyel az emberi elemzők azonosítani tudják az incidens típusát, valamint a legjobb következő lépést.

Az Amazon SageMaker használata a mesterséges intelligencia gyorsabb működéséhez

A ReliaQuest kifejlesztett egy kezdeti gépi tanulási (ML) modellt, de hiányzott a támogató infrastruktúra a használatához.

Ennek megoldására a ReliaQuest adatkutatója, Mattie Langford és az ML Ops mérnöke, Riley Rohloff az Amazon SageMakerhez fordult. A SageMaker egy teljes körű ML-platform, amely segít a fejlesztőknek és az adatkutatóknak gyorsan és egyszerűen ML-modellek felépítésében, betanításában és üzembe helyezésében.

Az Amazon SageMaker felgyorsítja az ML-munkaterhelések telepítését az ML-felépítési folyamat egyszerűsítésével. Az ML képességek széles skáláját kínálja a teljesen felügyelt infrastruktúra mellett. Ez megszünteti a differenciálatlan nehézemelést, amely túl gyakran akadályozza az ML fejlődését.

A ReliaQuest a SageMakert választotta a beépített hosting funkciója miatt, amely kulcsfontosságú képessége lehetővé tette a ReliaQuestnek, hogy gyorsan telepítse kezdeti előre betanított modelljét a teljesen felügyelt infrastruktúrára.

A ReliaQuest az Amazon ECR-t is használta előre betanított modellképeinek tárolására, az Amazon ECR teljes körűen felügyelt konténernyilvántartását használva, amely megkönnyíti a konténerképek és műtermékek, például az előre betanított ML-modellek bárhol tárolását, kezelését, megosztását és telepítését.

A ReliaQuest az Amazon SageMakerrel való natív integrációja miatt választotta az Amazon ECR-t. Ez lehetővé tette, hogy egyéni modellképeket szolgáltasson mind a képzéshez, mind az előrejelzésekhez, utóbbit az általa épített egyéni Flask alkalmazáson keresztül.

Az Amazon SageMaker és az Amazon ECR segítségével egyetlen ReliaQuest-csapat gyorsan és hatékonyan fejlesztette ki, tesztelte és telepítette előre betanított modelljét egy felügyelt végpont mögött, anélkül, hogy más csapatoknak kellett volna átadni a támogatást, vagy azoktól függeni kellett volna.

Az AWS Step Functions használata a modell teljesítményének automatikus átképzéséhez és javításához

Ezenkívül a ReliaQuest egy teljes hangszerelési réteget tudott felépíteni az ML-munkafolyamatokhoz az AWS Step Functions segítségével, egy alacsony kódú vizuális munkafolyamat-szolgáltatással, amely képes irányítani az AWS-szolgáltatásokat, automatizálni az üzleti folyamatokat, és lehetővé teszi a kiszolgáló nélküli alkalmazásokat.

A ReliaQuest az AWS Step Functions szolgáltatást választotta annak mély funkcionalitása és más AWS-szolgáltatásokkal való integrációja miatt. Ez lehetővé tette a ReliaQuest számára, hogy teljesen automatizált tanulási hurkot építsen fel a modelljéhez, beleértve:

• egy trigger, amely frissített adatokat keresett egy S3 tárolóban
• egy teljes átképzési folyamat, amely a frissített adatokkal új képzési állást hozott létre
• az adott képzési munka teljesítményértékelése
• előre meghatározott pontossági küszöbértékek annak meghatározásához, hogy frissítse-e a telepített modellt egy új végpont-konfiguráción keresztül.

Az AWS használata az innováció fokozására és a kiberbiztonsági védelem újragondolására

Az Amazon SageMaker, az Amazon ECR és az AWS Step Functions kombinálásával a ReliaQuest tizennyolc hónapról két hétre növelte az értékes új AI-képességek telepítésének és tesztelésének sebességét, ami 35-szörös gyorsulás az új funkció bevezetése során.

Ezek az új képességek nemcsak tovább erősítik a GreyMatter-t Folyamatos fenyegetésészlelési, fenyegetésvadászat és -elhárítási képességek ügyfelei számára, de emellett a ReliaQuest lépésről lépésre továbbfejlesztette képességét új képességek tesztelésére és telepítésére a jövőben.

A kiberbiztonsági fenyegetések összetett környezetében a ReliaQuest mesterséges intelligencia felhasználása a humán elemzők javítására továbbra is javítani fogja hatékonyságukat. Emellett felgyorsult innovációs képességei lehetővé teszik, hogy továbbra is segítse ügyfeleit, hogy megelőzzék a gyorsan fejlődő fenyegetéseket, amelyekkel szembesülnek.

További információ arról, hogyan gyorsíthatja fel innovációs képességét a mesterséges intelligencia segítségével, ha felkeresi Az Amazon SageMaker használatának első lépései vagy felülvizsgálja a Amazon SageMaker fejlesztői források Ma.

---

A szerzőről

Daniel Burke az AWS Private Equity csoportjában az AI és az ML európai vezető vezetője. Ebben a szerepkörben Daniel közvetlenül együttműködik a magántőke-alapokkal és portfólióvállalataikkal, hogy olyan mesterséges intelligencia- és ML-megoldásokat tervezzenek és valósítsanak meg, amelyek felgyorsítják az innovációt és további vállalati értéket generálnak.

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