JFrog och AWS accelererar utvecklingen av säker maskininlärning

Återutgiven av Platon

anhängare: 0

Ny JFrog Artifactory och Amazon SageMaker-integrering ger utvecklare och datavetare möjlighet att bygga, träna och distribuera ML-modeller i molnet

SUNNYVALE, Kalifornien - (BUSINESS WIRE) -JFrog Ltd. ("JFrog") (Nasdaq: FROG), Liquid Software-företaget och skaparna av JFrog Software Supply Chain Platform, meddelade idag en ny integration med Amazon SageMaker, som hjälper företag att bygga, träna och distribuera modeller för maskininlärning (ML) för alla användningsfall med fullständigt hanterad infrastruktur, verktyg och arbetsflöden. Genom parning JFrog Artifactory med Amazon SageMaker kan ML-modeller levereras tillsammans med alla andra programvaruutvecklingskomponenter i ett modernt DevSecOps-arbetsflöde, vilket gör varje modell oföränderlig, spårbar, säker och validerad när den mognar för release. JFrog presenterade också nya versionsfunktioner för sin ML modellhanteringslösning, som hjälper till att säkerställa efterlevnad och säkerhet införlivas i varje steg av ML-modellutvecklingen.

"När fler företag börjar hantera big data i molnet, frågar DevOps teamledare hur de kan skala datavetenskap och ML-kapacitet för att påskynda leverans av programvara utan att införa risker och komplexitet", säger Kelly Hartman, SVP, Global Channels and Alliances, JFrog. "Kombinationen av Artifactory och Amazon SageMaker skapar en enda källa till sanning som indoktrinerar DevSecOps bästa praxis till utveckling av ML-modeller i molnet - vilket ger flexibilitet, hastighet, säkerhet och sinnesfrid - bryter in i en ny gräns för MLSecOps."

Enligt en senaste Forrester-undersökning50 procent av databeslutsfattarna nämnde att tillämpa styrningspolicyer inom AI/ML som den största utmaningen för utbredd användning, medan 45 procent nämnde data- och modellsäkerhet som grindfaktorn. JFrogs Amazon SageMaker-integration tillämpar DevSecOps bästa praxis för ML-modellhantering, vilket gör det möjligt för utvecklare och datavetare att expandera, accelerera och säkra utvecklingen av ML-projekt på ett sätt som är företagsklassigt, säkert och följer regelverk och organisatorisk efterlevnad.

JFrog är ny Amazon SageMaker-integration tillåter organisationer att:

Upprätthåll en enda källa till sanning för datavetare och utvecklare, och se till att alla modeller är lättillgängliga, spårbara och manipuleringssäkra.
För ML närmare arbetsflödena för mjukvaruutveckling och produktionslivscykel, skydda modeller från radering eller modifiering.
Utveckla, träna, säkra och distribuera ML-modeller.
Upptäck och blockera användningen av skadliga ML-modeller i hela organisationen.
Skanna ML-modelllicenser för att säkerställa efterlevnad av företagets policyer och regulatoriska krav.
Lagra egentillverkade eller internt utökade ML-modeller med robusta åtkomstkontroller och versionshistorik för större transparens.
Bunta och distribuera ML-modeller som en del av alla programvaruversioner.

"Traditionella mjukvaruutvecklingsprocesser och maskininlärning skiljer sig från varandra och saknar integration med befintliga verktyg", säger Larry Carvalho, rektor och grundare av Robust Cloud. "Tillsammans tillhandahåller JFrog Artifactory och Amazon SageMaker en integrerad end-to-end, styrd miljö för maskininlärning. Att föra samman dessa världar representerar betydande framsteg mot att harmonisera pipelines för maskininlärning med etablerade livscykler för mjukvaruutveckling och bästa praxis.”

Tillsammans med sin Amazon SageMaker-integration, JFrog presenterade nya versionsfunktioner för dess ML Model Management lösning som införlivar modellutveckling i en organisations DevSecOps-arbetsflöde för att öka transparensen kring varje modellversion så att utvecklare, DevOps-team och datavetare kan säkerställa att den korrekta, säkra versionen av en modell används.

JFrog-integrationen med Amazon SageMaker, tillgänglig nu för JFrog-kunder och Amazon SageMaker-användare, säkerställer att alla artefakter som konsumeras av dataforskare eller som används för att utveckla ML-applikationer hämtas från och sparas i JFrog Artifactory.

För en djupare titt på integrationen och hur den fungerar, läs denna blogg. Du kan också registrera dig för att gå med i JFrog och AWS onsdagen den 31 januari kl. 1:10 ET/XNUMX:XNUMX PT för ett pedagogiskt webbseminarium, "Bygga för framtiden: DevSecOps i en tid präglad av AI/ML-modellutveckling, " beskriva bästa praxis för att introducera modellanvändning och utveckling i säker mjukvaruförsörjningskedja och utvecklingsprocesser.

Gillar du den här historien? Lägg upp detta på X (tidigare Twitter): .@jfrog rullar ut ny integration med @awscloud SageMaker för att låsa upp större #ML #säkerhet och innovation över hela mjukvaruutvecklingens livscykel. Läs mer: https://jfrog.co/4aW18gT #SoftwareSupplyChain #DevSecOps #SDLC #MachineLearning #AI

Om JFrog

JFrog Ltd. (Nasdaq: FROG) är på uppdrag att skapa en värld av mjukvara som levereras utan friktion från utvecklare till enhet. Driven av en "Liquid Software"-vision är JFrog Software Supply Chain Platform ett enda register som gör det möjligt för organisationer att bygga, hantera och distribuera programvara snabbt och säkert, vilket säkerställer att den är tillgänglig, spårbar och manipulationssäker. De integrerade säkerhetsfunktionerna hjälper också till att identifiera, skydda och åtgärda mot hot och sårbarheter. JFrogs hybrid, universella multimolnplattform är tillgänglig som både egenvärd och SaaS-tjänster hos stora molntjänsteleverantörer. Miljontals användare och 7K+ kunder över hela världen, inklusive en majoritet av Fortune 100, är beroende av JFrog-lösningar för att på ett säkert sätt omfamna digital transformation. När du väl hoppat framåt kommer du inte tillbaka! Läs mer på jfrog.com och följ oss på Twitter: @jfrog.

Varningsmeddelande om framåtblickande uttalanden

Det här pressmeddelandet innehåller "framåtblickande" uttalanden, som den termen definieras under USA:s federala värdepapperslagar, inklusive men inte begränsat till uttalanden angående JFrog Artifactory och Amazon SageMaker-integrationen som möjliggör samarbete kring att bygga och distribuera ML-modeller, JFrog nya versionsmöjligheter för sin ML Model Management-lösning och de förväntade fördelarna för kunderna.

Dessa framåtblickande uttalanden är baserade på våra nuvarande antaganden, förväntningar och övertygelser och är föremål för väsentliga risker, osäkerheter, antaganden och förändringar i omständigheter som kan göra att JFrogs faktiska resultat, prestationer eller prestationer skiljer sig väsentligt från de som uttrycks eller antyds i någon forward. -ser uttalande. Det finns ett betydande antal faktorer som kan orsaka att faktiska resultat, prestationer eller prestationer skiljer sig väsentligt från uttalanden som görs i detta pressmeddelande, inklusive men inte begränsat till risker som beskrivs i våra anmälningar till Securities and Exchange Commission, inklusive i vår årsrapport på formulär 10-K för året som slutade den 31 december 2022, våra kvartalsrapporter på formulär 10-Q och andra inlämningar och rapporter som vi kan lämna in från tid till annan till Securities and Exchange Commission. Framåtblickande uttalanden representerar våra övertygelser och antaganden endast från och med datumet för detta pressmeddelande. Vi frånsäger oss all skyldighet att uppdatera framtidsinriktade uttalanden.

Kontakt

Media Kontakt:
Siobhan Lyons, Sr. MarComm Manager, JFrog, siobhanL@jfrog.com

Investerarkontakt:
Jeff Schreiner, VP of Investor Relations, jeffS@jfrog.com