Hoe ReliaQuest Amazon SageMaker gebruikt om zijn AI-innovatie met 35x te versnellen 

Cybersecurity blijft een topprioriteit voor ondernemingen. Maar door het voortdurend evoluerende bedreigingslandschap waarmee ze worden geconfronteerd, is het moeilijker dan ooit om vertrouwen te hebben in hun cyberbeveiliging.

Dit behandelen, ReliaQuest bebouwd Grijze materie, een Open XDR-as-a-Service-platform dat telemetrie van elke beveiligings- en bedrijfsoplossing samenbrengt, hetzij on-premises of in een of meerdere clouds, om detectie, onderzoek, respons en veerkracht te verenigen.

In 2021 wendde ReliaQuest zich tot AWS om het te helpen zijn kunstmatige intelligentie (AI) -mogelijkheden te verbeteren en sneller nieuwe functies te bouwen.

gebruik Amazon Sage Maker, Amazon Elastic Container-register (ECR), en AWS Stap Functiesheeft ReliaQuest de tijd die nodig was om kritieke nieuwe AI-mogelijkheden voor zijn GreyMatter-platform in te zetten en te testen teruggebracht van achttien maanden naar twee weken. Dit verhoogde de snelheid van zijn AI-innovatie met 35x.

“Deze innovatieve architectuur heeft de time-to-value van ReliaQuest's datawetenschapsinitiatieven drastisch verkort. Nu kunnen we ons echt concentreren op wat het belangrijkste is: het ontwikkelen van krachtige oplossingen om de beveiliging van de omgevingen van onze klanten verder te verbeteren in een steeds veranderend bedreigingslandschap.” Lauren Jenkins, senior productmanager, datawetenschap, ReliaQuest

AI gebruiken om de prestaties van menselijke analisten te verbeteren

GreyMatter hanteert een fundamenteel nieuwe benadering van cyberbeveiliging door geavanceerde software te combineren met een team van hoogopgeleide beveiligingsanalisten om de effectiviteit en efficiëntie van de beveiliging drastisch te verbeteren.

Hoewel de beveiligingsanalisten van ReliaQuest tot de best opgeleide beveiligingstalenten in de branche behoren, kan een enkele analist op een bepaalde dag honderden nieuwe beveiligingsincidenten ontvangen. Deze analisten moeten elk incident beoordelen om het dreigingsniveau en de optimale reactiemethode te bepalen.

Om dit proces te stroomlijnen en de tijd tot een oplossing te verkorten, ontwikkelde ReliaQuest een AI-gestuurd aanbevelingssysteem dat nieuwe beveiligingsincidenten automatisch koppelt aan soortgelijke eerdere gebeurtenissen. Dit verbeterde de snelheid waarmee menselijke analisten het type incident en de beste volgende actie kunnen identificeren.

Amazon SageMaker gebruiken om AI sneller aan het werk te zetten

ReliaQuest had een eerste machine learning (ML)-model ontwikkeld, maar het ontbrak de ondersteunende infrastructuur om het te gebruiken.

Om dit op te lossen, wendden ReliaQuest's Data Scientist, Mattie Langford, en ML Ops Engineer, Riley Rohloff zich tot Amazon SageMaker. SageMaker is een end-to-end ML-platform dat ontwikkelaars en datawetenschappers helpt snel en eenvoudig ML-modellen te bouwen, trainen en implementeren.

Amazon SageMaker versnelt de implementatie van ML-workloads door het ML-bouwproces te vereenvoudigen. Het biedt een breed scala aan ML-mogelijkheden bovenop een volledig beheerde infrastructuur. Dit verwijdert het ongedifferentieerde zware werk dat de ML-ontwikkeling maar al te vaak belemmert.

ReliaQuest koos voor SageMaker vanwege de ingebouwde hostingfunctie, een belangrijke mogelijkheid die ReliaQuest in staat stelde om zijn initiële, vooraf getrainde model snel te implementeren op een volledig beheerde infrastructuur.

ReliaQuest gebruikte ook Amazon ECR om zijn vooraf getrainde modelafbeeldingen op te slaan, met behulp van het volledig beheerde containerregister van Amazon ECR dat het gemakkelijk maakt om containerafbeeldingen en artefacten, zoals vooraf getrainde ML-modellen, overal op te slaan, te beheren, te delen en te implementeren.

ReliaQuest koos voor Amazon ECR vanwege de native integratie met Amazon SageMaker. Hierdoor kon het aangepaste modelafbeeldingen aanbieden voor zowel training als voorspellingen, de laatste via een aangepaste Flask-applicatie die het had gebouwd.

Met behulp van Amazon SageMaker en Amazon ECR ontwikkelde, testte en implementeerde een enkel ReliaQuest-team zijn vooraf getrainde model snel en efficiënt achter een beheerd eindpunt, zonder dat het voor ondersteuning aan andere teams hoefde te worden overgedragen.

AWS Step Functions gebruiken om de modelprestaties automatisch opnieuw te trainen en te verbeteren

Bovendien kon ReliaQuest een volledige orkestratielaag bouwen voor hun ML-workflow met behulp van AWS Step Functions, een low-code visuele workflowservice die AWS-services kan orkestreren, bedrijfsprocessen kan automatiseren en serverloze applicaties mogelijk kan maken.

ReliaQuest koos voor AWS Step Functions vanwege de diepgaande functionaliteit en integratie met andere AWS-services. Hierdoor kon ReliaQuest een volledig geautomatiseerde leerlus voor zijn model bouwen, inclusief:

• een trigger die zocht naar bijgewerkte gegevens in een S3-bucket
• een volledig herscholingsproces dat een nieuwe opleidingstaak creëerde met de bijgewerkte gegevens
• een prestatiebeoordeling van die opleidingstaak
• vooraf gedefinieerde nauwkeurigheidsdrempels om te bepalen of het geïmplementeerde model moet worden bijgewerkt via een nieuwe eindpuntconfiguratie.

AWS gebruiken om innovatie te vergroten en cyberbeveiliging opnieuw vorm te geven

Door Amazon SageMaker, Amazon ECR en AWS Step Functions te combineren, kon ReliaQuest de snelheid waarmee het implementeerde en waardevolle nieuwe AI-mogelijkheden testte verbeteren van achttien maanden tot twee weken, een versnelling van 35x in de implementatie van nieuwe functies.

Niet alleen blijven deze nieuwe mogelijkheden die van GreyMatter verbeteren continue bedreigingsdetectie, bedreigingsjacht en herstelmogelijkheden voor haar klanten, maar ze leveren ReliaQuest ook een stapsgewijze verbetering in haar vermogen om nieuwe mogelijkheden te testen en in de toekomst in te zetten.

In het complexe landschap van cyberbeveiligingsbedreigingen zal het gebruik van AI door ReliaQuest om zijn menselijke analisten te verbeteren, hun effectiviteit blijven verbeteren. Bovendien zullen de versnelde innovatiemogelijkheden het bedrijf in staat stellen haar klanten te blijven helpen om de snel evoluerende bedreigingen waarmee ze worden geconfronteerd voor te blijven.

Ga naar voor meer informatie over hoe u uw vermogen om te innoveren met AI kunt versnellen Aan de slag met Amazon SageMaker of het herzien van de Bronnen voor Amazon SageMaker-ontwikkelaars <p></p>

---

Over de auteur

Daniël Burke is de Europese leider voor AI en ML in de Private Equity-groep bij AWS. In deze rol werkt Daniel rechtstreeks samen met Private Equity-fondsen en hun portefeuillebedrijven om AI- en ML-oplossingen te ontwerpen en te implementeren die innovatie versnellen en extra bedrijfswaarde genereren.

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