Bagaimana ReliaQuest menggunakan Amazon SageMaker untuk mempercepat inovasi AI-nya hingga 35x 

Cybersecurity terus menjadi perhatian utama bagi perusahaan. Namun lanskap ancaman yang terus berkembang yang mereka hadapi membuat semakin sulit untuk percaya diri dalam perlindungan keamanan siber mereka.

Untuk mengatasi hal ini, Pencarian Relia dibangun di materi abu-abu, platform Open XDR-as-a-Service yang menyatukan telemetri dari solusi keamanan dan bisnis apa pun, baik di tempat atau di satu atau beberapa cloud, untuk menyatukan deteksi, investigasi, respons, dan ketahanan.

Pada tahun 2021, ReliaQuest beralih ke AWS untuk membantunya meningkatkan kemampuan kecerdasan buatan (AI) dan membuat fitur baru dengan lebih cepat.

Menggunakan Amazon SageMaker, Registry Kontainer Elastis Amazon (EKR), dan Fungsi Langkah AWS, ReliaQuest mengurangi waktu yang diperlukan untuk menerapkan dan menguji kemampuan AI baru yang kritis untuk platform GreyMatter miliknya dari delapan belas bulan menjadi dua minggu. Ini meningkatkan kecepatan inovasi AI-nya hingga 35x.

“Arsitektur inovatif ini telah secara dramatis mengurangi waktu untuk menilai inisiatif ilmu data ReliaQuest. Sekarang, kami benar-benar dapat fokus pada hal yang paling penting – mengembangkan solusi canggih untuk lebih meningkatkan keamanan lingkungan pelanggan kami dalam lanskap ancaman yang selalu berubah.” Lauren Jenkins, Manajer Produk Senior, Ilmu Data, ReliaQuest

Menggunakan AI untuk meningkatkan kinerja analis manusia

GreyMatter mengambil pendekatan baru yang mendasar untuk keamanan siber, memasangkan perangkat lunak canggih dengan tim analis keamanan yang sangat terlatih untuk memberikan efektivitas dan efisiensi keamanan yang ditingkatkan secara drastis.

Meskipun analis keamanan ReliaQuest adalah beberapa talenta keamanan terlatih terbaik di industri ini, seorang analis tunggal dapat menerima ratusan insiden keamanan baru pada hari tertentu. Analis ini harus meninjau setiap insiden untuk menentukan tingkat ancaman dan metode respons yang optimal.

Untuk merampingkan proses ini, dan mengurangi waktu penyelesaian, ReliaQuest mulai mengembangkan sistem rekomendasi berbasis AI yang secara otomatis mencocokkan insiden keamanan baru dengan kejadian serupa sebelumnya. Ini meningkatkan kecepatan di mana analis manusia dapat mengidentifikasi jenis insiden serta tindakan terbaik selanjutnya.

Menggunakan Amazon SageMaker untuk membuat AI bekerja lebih cepat

ReliaQuest telah mengembangkan model pembelajaran mesin (ML) awal, tetapi tidak memiliki infrastruktur pendukung untuk menggunakannya.

Untuk mengatasi ini, Ilmuwan Data ReliaQuest, Mattie Langford, dan Insinyur Operasi ML, Riley Rohloff, beralih ke Amazon SageMaker. SageMaker adalah platform ML end-to-end yang membantu developer dan ilmuwan data dengan cepat dan mudah membangun, melatih, dan menerapkan model ML.

Amazon SageMaker mempercepat penerapan beban kerja ML dengan menyederhanakan proses pembangunan ML. Ini memberikan serangkaian kemampuan ML yang luas di atas infrastruktur yang terkelola sepenuhnya. Ini menghilangkan pekerjaan berat yang tidak dapat dibedakan yang terlalu sering menghambat pengembangan ML.

ReliaQuest memilih SageMaker karena fitur hosting bawaannya, kemampuan utama yang memungkinkan ReliaQuest menerapkan model pra-pelatihan awal dengan cepat ke infrastruktur yang dikelola sepenuhnya.

ReliaQuest juga menggunakan Amazon ECR untuk menyimpan citra model terlatihnya, menggunakan registri kontainer Amazon ECR yang dikelola sepenuhnya yang memudahkan untuk menyimpan, mengelola, berbagi, dan menerapkan gambar dan artefak kontainer, seperti model ML terlatih, di mana saja.

ReliaQuest memilih Amazon ECR karena integrasi aslinya dengan Amazon SageMaker. Ini memungkinkannya untuk menyajikan gambar model khusus untuk pelatihan dan prediksi, yang terakhir melalui aplikasi Flask khusus yang telah dibuatnya.

Dengan menggunakan Amazon SageMaker dan Amazon ECR, satu tim ReliaQuest mengembangkan, menguji, dan menerapkan model yang telah dilatih sebelumnya di belakang titik akhir terkelola dengan cepat dan efisien, tanpa perlu menyerahkan atau bergantung pada tim lain untuk mendapatkan dukungan.

Menggunakan AWS Step Functions untuk melatih ulang dan meningkatkan kinerja model secara otomatis

Selain itu, ReliaQuest mampu membangun seluruh lapisan orkestrasi untuk alur kerja ML mereka menggunakan AWS Step Functions, layanan alur kerja visual kode rendah yang dapat mengatur layanan AWS, mengotomatiskan proses bisnis, dan mengaktifkan aplikasi tanpa server.

ReliaQuest memilih AWS Step Functions karena fungsinya yang mendalam dan integrasinya dengan layanan AWS lainnya. Hal ini memungkinkan ReliaQuest membangun lingkaran pembelajaran yang sepenuhnya otomatis untuk modelnya, termasuk:

• pemicu yang mencari data terbaru di bucket S3
• proses pelatihan ulang penuh yang membuat tugas pelatihan baru dengan data yang diperbarui
• penilaian kinerja dari pekerjaan pelatihan itu
• ambang akurasi yang ditentukan sebelumnya untuk menentukan apakah akan memperbarui model yang diterapkan melalui konfigurasi titik akhir yang baru.

Menggunakan AWS untuk meningkatkan inovasi dan menata ulang perlindungan keamanan siber

Dengan menggabungkan Amazon SageMaker, Amazon ECR, dan AWS Step Functions, ReliaQuest mampu meningkatkan kecepatan penerapan dan pengujian kemampuan AI baru yang berharga dari delapan belas bulan menjadi dua minggu, percepatan 35x dalam penerapan fitur barunya.

Kemampuan baru ini tidak hanya terus meningkatkan GreyMatter deteksi ancaman berkelanjutan, perburuan ancaman, dan kapabilitas remediasi untuk pelanggannya, tetapi juga memberikan ReliaQuest peningkatan bertahap dalam kemampuannya untuk menguji dan menerapkan kapabilitas baru ke masa depan.

Dalam lanskap kompleks ancaman keamanan siber, penggunaan AI oleh ReliaQuest untuk meningkatkan analis manusianya akan terus meningkatkan keefektifannya. Selain itu, kemampuan inovasinya yang dipercepat akan memungkinkannya untuk terus membantu pelanggannya tetap terdepan dalam ancaman yang berkembang pesat yang mereka hadapi.

Pelajari lebih lanjut tentang bagaimana Anda dapat mempercepat kemampuan Anda untuk berinovasi dengan AI dengan mengunjungi Memulai dengan Amazon SageMaker atau meninjau Sumber Daya Pengembang Amazon SageMaker hari ini.

---

tentang Penulis

Daniel Burke adalah pimpinan Eropa untuk AI dan ML di grup Private Equity di AWS. Dalam peran ini, Daniel bekerja secara langsung dengan dana Ekuitas Swasta dan perusahaan portofolio mereka untuk merancang dan mengimplementasikan solusi AI dan ML yang mempercepat inovasi dan menghasilkan nilai perusahaan tambahan.

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