Jak ReliaQuest wykorzystuje Amazon SageMaker, aby 35-krotnie przyspieszyć innowacje w zakresie sztucznej inteligencji

Opublikowane ponownie przez Plato

Obserwuje: 0

Cyberbezpieczeństwo nadal stanowi główny problem dla przedsiębiorstw. Jednak stale zmieniający się krajobraz zagrożeń, z którymi się borykają, sprawia, że trudniej niż kiedykolwiek mieć pewność co do ich zabezpieczeń cybernetycznych.

Aby temu zaradzić, ReliaQuest wybudowany Szare komórki, platforma Open XDR-as-a-Service, która łączy telemetrię z dowolnego rozwiązania zabezpieczającego i biznesowego, zarówno lokalnie, jak i w jednej lub wielu chmurach, w celu ujednolicenia wykrywania, badania, reagowania i odporności.

W 2021 roku firma ReliaQuest zwróciła się do AWS o pomoc w ulepszeniu możliwości sztucznej inteligencji (AI) i szybszym tworzeniu nowych funkcji.

Korzystanie z Amazon Sage Maker, Rejestr elastycznego pojemnika Amazon (EKR) i Funkcje kroków AWSfirma ReliaQuest skróciła czas potrzebny do wdrożenia i przetestowania krytycznych nowych funkcji sztucznej inteligencji dla swojej platformy GreyMatter z osiemnastu miesięcy do dwóch tygodni. Zwiększyło to szybkość innowacji AI o 35x.

„Ta innowacyjna architektura radykalnie skróciła czas realizacji inicjatyw związanych z nauką o danych firmy ReliaQuest.

Teraz możemy naprawdę skupić się na tym, co najważniejsze – opracowaniu zaawansowanych rozwiązań w celu dalszej poprawy bezpieczeństwa środowisk naszych klientów w ciągle zmieniającym się krajobrazie zagrożeń”.

Lauren Jenkins, starszy kierownik produktu, Data Science, ReliaQuest

Wykorzystanie sztucznej inteligencji do zwiększenia wydajności analityków

GreyMatter przyjmuje całkowicie nowe podejście do cyberbezpieczeństwa, łącząc zaawansowane oprogramowanie z zespołem wysoko wykwalifikowanych analityków bezpieczeństwa, aby zapewnić drastycznie lepszą skuteczność i wydajność bezpieczeństwa.

Chociaż analitycy bezpieczeństwa firmy ReliaQuest należą do najlepiej wyszkolonych specjalistów ds. bezpieczeństwa w branży, pojedynczy analityk może otrzymać setki nowych incydentów związanych z bezpieczeństwem każdego dnia. Analitycy ci muszą przeanalizować każdy incydent, aby określić poziom zagrożenia i optymalną metodę reagowania.

Aby usprawnić ten proces i skrócić czas potrzebny na rozwiązanie problemu, firma ReliaQuest postanowiła opracować oparty na sztucznej inteligencji system rekomendacji, który automatycznie dopasowuje nowe incydenty bezpieczeństwa do podobnych wcześniejszych zdarzeń. Zwiększyło to szybkość, z jaką analitycy-ludzcy mogą zidentyfikować typ incydentu, a także najlepsze następne działanie.

Używanie Amazon SageMaker do szybszego działania sztucznej inteligencji

Firma ReliaQuest opracowała wstępny model uczenia maszynowego (ML), ale brakowało mu infrastruktury pomocniczej, która umożliwiłaby jego wykorzystanie.

Aby rozwiązać ten problem, Data Scientist firmy ReliaQuest, Mattie Langford, oraz inżynier ds. operacji ML, Riley Rohloff, zwrócili się do Amazon SageMaker. SageMaker to kompleksowa platforma ML, która pomaga programistom i analitykom danych szybko i łatwo budować, trenować i wdrażać modele ML.

Amazon SageMaker przyspiesza wdrażanie obciążeń ML, upraszczając proces kompilacji ML. Oprócz w pełni zarządzanej infrastruktury zapewnia szeroki zestaw możliwości uczenia maszynowego. Eliminuje to niezróżnicowane ciężkie dźwiganie, które zbyt często utrudnia rozwój ML.

Firma ReliaQuest wybrała SageMaker ze względu na wbudowaną funkcję hostingu, kluczową funkcję, która umożliwiła firmie ReliaQuest szybkie wdrożenie wstępnie wytrenowanego modelu w w pełni zarządzanej infrastrukturze.

Firma ReliaQuest wykorzystała również Amazon ECR do przechowywania swoich wstępnie wytrenowanych obrazów modeli, korzystając z w pełni zarządzanego rejestru kontenerów Amazon ECR, który ułatwia przechowywanie, zarządzanie, udostępnianie i wdrażanie obrazów kontenerów i artefaktów, takich jak wstępnie wytrenowane modele ML, w dowolnym miejscu.

Firma ReliaQuest wybrała Amazon ECR ze względu na natywną integrację z Amazon SageMaker. Umożliwiło to obsługę niestandardowych obrazów modeli zarówno do celów szkoleniowych, jak i predykcji, przy czym te ostatnie były dostępne za pośrednictwem stworzonej przez nią niestandardowej aplikacji Flask.

Wykorzystując Amazon SageMaker i Amazon ECR, pojedynczy zespół ReliaQuest opracował, przetestował i wdrożył swój wstępnie wytrenowany model za zarządzanym punktem końcowym szybko i skutecznie, bez konieczności przekazywania pomocy innym zespołom lub polegania na nich.

Używanie funkcji krokowych AWS do automatycznego ponownego uczenia i poprawy wydajności modelu

Ponadto firma ReliaQuest była w stanie zbudować całą warstwę orkiestracji dla swojego przepływu pracy ML przy użyciu AWS Step Functions, wizualnej usługi przepływu pracy o niskim poziomie kodu, która może koordynować usługi AWS, automatyzować procesy biznesowe i umożliwiać aplikacje bezserwerowe.

Firma ReliaQuest wybrała AWS Step Functions ze względu na jej głęboką funkcjonalność i integrację z innymi usługami AWS. Umożliwiło to ReliaQuest zbudowanie w pełni zautomatyzowanej pętli uczenia się dla swojego modelu, w tym:

wyzwalacz, który szukał zaktualizowanych danych w zasobniku S3
pełny proces przekwalifikowania, w wyniku którego utworzone zostało nowe zadanie szkoleniowe ze zaktualizowanymi danymi
ocenę wyników tej pracy szkoleniowej
wstępnie zdefiniowane progi dokładności, aby określić, czy zaktualizować wdrożony model za pomocą nowej konfiguracji punktu końcowego.

Wykorzystanie AWS do zwiększenia innowacyjności i ponownego wyobrażenia sobie ochrony cyberbezpieczeństwa

Łącząc funkcje Amazon SageMaker, Amazon ECR i AWS Step Functions, firma ReliaQuest była w stanie przyspieszyć wdrażanie i testowanie cennych nowych możliwości sztucznej inteligencji z osiemnastu miesięcy do dwóch tygodni, co oznacza 35-krotne przyspieszenie wdrażania nowych funkcji.

Te nowe możliwości nie tylko nadal ulepszają GreyMatter ciągłe wykrywanie zagrożeń, polowanie na zagrożenia i możliwości zaradcze dla swoich klientów, ale także zapewniają ReliaQuest skokową poprawę w zakresie możliwości testowania i wdrażania nowych możliwości w przyszłości.

W złożonym krajobrazie zagrożeń bezpieczeństwa cybernetycznego wykorzystanie sztucznej inteligencji przez firmę ReliaQuest w celu ulepszenia jej analityków będzie nadal poprawiać ich skuteczność. Co więcej, jego przyspieszone możliwości innowacyjne pozwolą mu nadal pomagać swoim klientom w wyprzedzaniu szybko zmieniających się zagrożeń, przed którymi stoją.

Dowiedz się więcej o tym, jak możesz przyspieszyć swoją zdolność do innowacji dzięki sztucznej inteligencji, odwiedzając stronę Pierwsze kroki z Amazon SageMaker lub przeglądając Zasoby dla programistów Amazon SageMaker dzisiaj.

O autorze

Daniela Burka jest europejskim liderem AI i ML w grupie Private Equity w AWS. W tej roli Daniel współpracuje bezpośrednio z funduszami Private Equity i ich spółkami portfelowymi w celu projektowania i wdrażania rozwiązań AI i ML, które przyspieszają innowacje i generują dodatkową wartość przedsiębiorstwa.