ReliaQuest가 Amazon SageMaker를 사용하여 AI 혁신을 35배 가속화하는 방법 

사이버 보안은 계속해서 기업의 최대 관심사입니다. 그러나 그들이 직면한 끊임없이 진화하는 위협 환경은 사이버 보안 보호에 대한 확신을 그 어느 때보다 어렵게 만듭니다.

이 문제를 해결하기 위해 릴리아퀘스트 내장 회백질, 감지, 조사, 대응 및 복원력을 통합하기 위해 온프레미스 또는 하나 또는 여러 클라우드에 관계없이 모든 보안 및 비즈니스 솔루션의 원격 측정을 통합하는 Open XDR-as-a-Service 플랫폼입니다.

2021년에 ReliaQuest는 인공 지능(AI) 기능을 향상하고 새로운 기능을 더 빠르게 구축하기 위해 AWS를 선택했습니다.

사용 아마존 세이지 메이커, Amazon Elastic Container Registry (ECR) 및 AWS 단계 함수, ReliaQuest는 GreyMatter 플랫폼에 대한 중요한 새 AI 기능을 배포하고 테스트하는 데 필요한 시간을 35개월에서 XNUMX주로 단축했습니다. 이로 인해 AI 혁신 속도가 XNUMX배 빨라졌습니다.

“이 혁신적인 아키텍처는 ReliaQuest의 데이터 과학 이니셔티브의 가치 실현 시간을 크게 단축했습니다. 이제 우리는 가장 중요한 것, 즉 끊임없이 변화하는 위협 환경에서 고객 환경의 보안을 더욱 개선할 수 있는 강력한 솔루션을 개발하는 데 진정으로 집중할 수 있습니다.” Lauren Jenkins, ReliaQuest 데이터 과학 SNR 제품 관리자

AI를 사용하여 인간 분석가의 성과 향상

GreyMatter는 사이버 보안에 대해 근본적으로 새로운 접근 방식을 취하여 고도로 훈련된 보안 분석가 팀과 고급 소프트웨어를 결합하여 대폭 향상된 보안 효과 및 효율성을 제공합니다.

ReliaQuest의 보안 분석가는 업계에서 가장 잘 훈련된 보안 인력이지만 한 명의 분석가가 하루에 수백 건의 새로운 보안 사고를 받을 수 있습니다. 이러한 분석가는 각 인시던트를 검토하여 위협 수준과 최적의 대응 방법을 결정해야 합니다.

이 프로세스를 간소화하고 해결 시간을 단축하기 위해 ReliaQuest는 새로운 보안 사고를 유사한 이전 사건과 자동으로 일치시키는 AI 기반 추천 시스템을 개발하기 시작했습니다. 이를 통해 인간 분석가가 사고 유형과 최선의 다음 조치를 식별할 수 있는 속도가 향상되었습니다.

Amazon SageMaker를 사용하여 AI 작업 속도 향상

ReliaQuest는 초기 기계 학습(ML) 모델을 개발했지만 이를 활용할 수 있는 지원 인프라가 없었습니다.

이 문제를 해결하기 위해 ReliaQuest의 데이터 과학자인 Mattie Langford와 ML Ops 엔지니어인 Riley Rohloff는 Amazon SageMaker를 선택했습니다. SageMaker는 개발자와 데이터 과학자가 ML 모델을 빠르고 쉽게 구축, 교육 및 배포할 수 있도록 지원하는 엔드 투 엔드 ML 플랫폼입니다.

Amazon SageMaker는 ML 빌드 프로세스를 단순화하여 ML 워크로드의 배포를 가속화합니다. 완전 관리형 인프라를 기반으로 광범위한 ML 기능을 제공합니다. 이렇게 하면 ML 개발을 너무 자주 방해하는 차별화되지 않은 무거운 작업이 제거됩니다.

ReliaQuest가 SageMaker를 선택한 이유는 ReliaQuest가 초기 사전 교육 모델을 완전 관리형 인프라에 신속하게 배포할 수 있게 해주는 핵심 기능인 내장 호스팅 기능 때문이었습니다.

또한 ReliaQuest는 Amazon ECR을 사용하여 사전 교육된 ML 모델과 같은 아티팩트와 컨테이너 이미지를 어디서나 쉽게 저장, 관리, 공유 및 배포할 수 있는 Amazon ECR의 완전 관리형 컨테이너 레지스트리를 사용하여 사전 교육된 모델 이미지를 저장했습니다.

ReliaQuest는 Amazon SageMaker와의 기본 통합 때문에 Amazon ECR을 선택했습니다. 이를 통해 교육 및 예측 모두에 대한 사용자 지정 모델 이미지를 제공할 수 있었으며 후자는 자체 제작한 사용자 지정 Flask 애플리케이션을 통해 제공되었습니다.

단일 ReliaQuest 팀은 Amazon SageMaker 및 Amazon ECR을 사용하여 지원을 위해 다른 팀에 전달하거나 다른 팀에 의존할 필요 없이 빠르고 효율적으로 관리형 엔드포인트 뒤에서 사전 훈련된 모델을 개발, 테스트 및 배포했습니다.

AWS Step Functions를 사용하여 자동으로 모델 성능 재교육 및 개선

또한 ReliaQuest는 AWS 서비스를 오케스트레이션하고 비즈니스 프로세스를 자동화하며 서버리스 애플리케이션을 활성화할 수 있는 로우 코드 시각적 워크플로 서비스인 AWS Step Functions를 사용하여 ML 워크플로를 위한 전체 오케스트레이션 계층을 구축할 수 있었습니다.

ReliaQuest는 깊이 있는 기능과 다른 AWS 서비스와의 통합 때문에 AWS Step Functions를 선택했습니다. 이를 통해 ReliaQuest는 다음을 포함하여 모델에 대해 완전히 자동화된 학습 루프를 구축할 수 있었습니다.

• S3 버킷에서 업데이트된 데이터를 찾는 트리거
• 업데이트된 데이터로 새로운 교육 작업을 생성하는 전체 재교육 프로세스
• 해당 교육 작업의 성과 평가
• 새 끝점 구성을 통해 배포된 모델을 업데이트할지 여부를 결정하기 위해 사전 정의된 정확도 임계값.

AWS를 사용하여 혁신을 강화하고 사이버 보안 보호를 재구상

Amazon SageMaker, Amazon ECR 및 AWS Step Functions를 결합함으로써 ReliaQuest는 가치 있는 새로운 AI 기능을 배포하고 테스트하는 속도를 35개월에서 XNUMX주로 개선할 수 있었습니다. 새로운 기능 배포 속도는 XNUMX배 빨라졌습니다.

이러한 새로운 기능은 GreyMatter의 기능을 지속적으로 향상시킬 뿐만 아니라 고객을 위한 지속적인 위협 탐지, 위협 헌팅 및 치료 기능뿐만 아니라 미래에 새로운 기능을 테스트하고 배포하는 능력에서 ReliaQuest의 단계적 개선을 제공합니다.

사이버 보안 위협의 복잡한 환경에서 ReliaQuest는 인간 분석가를 향상시키기 위해 AI를 사용하여 효율성을 지속적으로 향상시킬 것입니다. 또한 가속화된 혁신 기능을 통해 고객이 직면한 빠르게 진화하는 위협보다 앞서 나갈 수 있도록 지속적으로 지원할 수 있습니다.

다음을 방문하여 AI로 혁신 능력을 가속화할 수 있는 방법에 대해 자세히 알아보십시오. Amazon SageMaker 시작하기 또는 검토 Amazon SageMaker 개발자 리소스 .

저자에 관하여

다니엘 버크 AWS 사모펀드 그룹에서 AI 및 ML의 유럽 리더입니다. 이 역할에서 Daniel은 사모펀드 및 포트폴리오 회사와 직접 협력하여 혁신을 가속화하고 추가적인 기업 가치를 창출하는 AI 및 ML 솔루션을 설계하고 구현합니다.