Cách ReliaQuest sử dụng Amazon SageMaker để tăng tốc sự đổi mới AI của mình lên 35 lần 

An ninh mạng tiếp tục là mối quan tâm hàng đầu của các doanh nghiệp. Tuy nhiên, bối cảnh các mối đe dọa liên tục phát triển mà họ phải đối mặt khiến việc tự tin vào các biện pháp bảo vệ an ninh mạng của họ trở nên khó khăn hơn bao giờ hết.

Để giải quyết vấn đề này, ReliaQuest xây dựng Chất xám, một nền tảng Open XDR-as-a-Service tập hợp phép đo từ xa từ bất kỳ giải pháp kinh doanh và bảo mật nào, cho dù tại chỗ hay trong một hoặc nhiều đám mây, để thống nhất khả năng phát hiện, điều tra, phản hồi và khả năng phục hồi.

Vào năm 2021, ReliaQuest đã chuyển sang sử dụng AWS để giúp công ty này nâng cao năng lực trí tuệ nhân tạo (AI) và xây dựng các tính năng mới nhanh hơn.

Sử dụng Amazon SageMaker, Đăng ký container đàn hồi Amazon (ECR), và Chức năng bước AWS, ReliaQuest đã giảm thời gian cần thiết để triển khai và thử nghiệm các khả năng AI mới quan trọng cho nền tảng GreyMatter của mình từ mười tám tháng xuống còn hai tuần. Điều này đã tăng tốc độ đổi mới AI của nó lên 35 lần.

“Cấu trúc đổi mới này đã giảm đáng kể thời gian đánh giá các sáng kiến ​​khoa học dữ liệu của ReliaQuest. Giờ đây, chúng tôi có thể thực sự tập trung vào điều quan trọng nhất – phát triển các giải pháp mạnh mẽ để cải thiện hơn nữa tính bảo mật cho môi trường của khách hàng trong bối cảnh các mối đe dọa luôn thay đổi.” Lauren Jenkins, Giám đốc sản phẩm Snr, Khoa học dữ liệu, ReliaQuest

Sử dụng AI để nâng cao hiệu suất của các nhà phân tích con người

GreyMatter thực hiện một cách tiếp cận mới về cơ bản đối với an ninh mạng, kết hợp phần mềm tiên tiến với một nhóm các nhà phân tích bảo mật được đào tạo chuyên sâu để mang lại hiệu quả và hiệu suất bảo mật được cải thiện đáng kể.

Mặc dù các nhà phân tích bảo mật của ReliaQuest là một số tài năng bảo mật được đào tạo tốt nhất trong ngành, nhưng một nhà phân tích có thể nhận được hàng trăm sự cố bảo mật mới vào bất kỳ ngày nào. Các nhà phân tích này phải xem xét từng sự cố để xác định mức độ đe dọa và phương pháp ứng phó tối ưu.

Để hợp lý hóa quy trình này và giảm thời gian giải quyết, ReliaQuest đã bắt đầu phát triển một hệ thống đề xuất dựa trên trí tuệ nhân tạo (AI) tự động khớp các sự cố bảo mật mới với các sự cố tương tự trước đó. Điều này đã nâng cao tốc độ mà các nhà phân tích con người có thể xác định loại sự cố cũng như hành động tiếp theo tốt nhất.

Sử dụng Amazon SageMaker để AI hoạt động nhanh hơn

ReliaQuest đã phát triển một mô hình máy học (ML) ban đầu, nhưng nó thiếu cơ sở hạ tầng hỗ trợ để sử dụng nó.

Để giải quyết vấn đề này, Nhà khoa học dữ liệu của ReliaQuest, Mattie Langford và Kỹ sư ML Ops, Riley Rohloff, đã chuyển sang Amazon SageMaker. SageMaker là một nền tảng ML toàn diện giúp các nhà phát triển và nhà khoa học dữ liệu xây dựng, đào tạo và triển khai các mô hình ML một cách nhanh chóng và dễ dàng.

Amazon SageMaker tăng tốc triển khai khối lượng công việc ML bằng cách đơn giản hóa quy trình xây dựng ML. Nó cung cấp một loạt các khả năng ML trên cơ sở hạ tầng được quản lý đầy đủ. Điều này loại bỏ công việc nặng nhọc không phân biệt thường cản trở sự phát triển ML.

ReliaQuest đã chọn SageMaker vì tính năng lưu trữ tích hợp của nó, một khả năng chính giúp ReliaQuest nhanh chóng triển khai mô hình được đào tạo trước ban đầu của mình trên cơ sở hạ tầng được quản lý hoàn toàn.

ReliaQuest cũng đã sử dụng Amazon ECR để lưu trữ các hình ảnh mô hình được đào tạo trước của mình, sử dụng sổ đăng ký bộ chứa được quản lý hoàn toàn của Amazon ECR giúp dễ dàng lưu trữ, quản lý, chia sẻ và triển khai các hình ảnh và thành phần lạ của bộ chứa, chẳng hạn như các mô hình ML được đào tạo trước, ở mọi nơi.

ReliaQuest đã chọn Amazon ECR vì tích hợp riêng với Amazon SageMaker. Điều này cho phép nó phục vụ các hình ảnh mô hình tùy chỉnh cho cả đào tạo và dự đoán, cái sau thông qua ứng dụng Flask tùy chỉnh mà nó đã tạo.

Bằng cách sử dụng Amazon SageMaker và Amazon ECR, một nhóm ReliaQuest duy nhất đã phát triển, thử nghiệm và triển khai mô hình được đào tạo trước của mình phía sau một điểm cuối được quản lý một cách nhanh chóng và hiệu quả mà không cần chuyển giao hoặc phụ thuộc vào các nhóm khác để được hỗ trợ.

Sử dụng AWS Step Functions để tự động đào tạo lại và cải thiện hiệu suất của mô hình

Ngoài ra, ReliaQuest đã có thể xây dựng toàn bộ lớp điều phối cho quy trình ML của họ bằng cách sử dụng AWS Step Functions, một dịch vụ quy trình công việc trực quan mã thấp có thể điều phối các dịch vụ AWS, tự động hóa quy trình kinh doanh và kích hoạt các ứng dụng serverless.

ReliaQuest đã chọn AWS Step Functions vì chức năng chuyên sâu và khả năng tích hợp của nó với các dịch vụ AWS khác. Điều này cho phép ReliaQuest xây dựng vòng lặp học tập hoàn toàn tự động cho mô hình của mình, bao gồm:

• trình kích hoạt tìm kiếm dữ liệu cập nhật trong nhóm S3
• một quy trình đào tạo lại đầy đủ đã tạo ra một công việc đào tạo mới với dữ liệu được cập nhật
• một đánh giá hiệu suất của công việc đào tạo đó
• ngưỡng độ chính xác được xác định trước để xác định xem có nên cập nhật mô hình đã triển khai thông qua cấu hình điểm cuối mới hay không.

Sử dụng AWS để tăng cường đổi mới và hình dung lại hoạt động bảo vệ an ninh mạng

Bằng cách kết hợp Amazon SageMaker, Amazon ECR và AWS Step Functions, ReliaQuest đã có thể cải thiện tốc độ triển khai và thử nghiệm các khả năng AI mới có giá trị từ 35 tháng lên XNUMX tuần, tăng tốc XNUMX lần trong quá trình triển khai tính năng mới.

Những khả năng mới này không chỉ tiếp tục nâng cao GreyMatter's khả năng phát hiện mối đe dọa, tìm kiếm mối đe dọa và khắc phục liên tục cho khách hàng của mình, nhưng chúng cũng mang đến cho ReliaQuest một bước cải tiến thay đổi về khả năng thử nghiệm và triển khai các khả năng mới trong tương lai.

Trong bối cảnh phức tạp của các mối đe dọa an ninh mạng, việc ReliaQuest sử dụng AI để tăng cường các nhà phân tích con người của mình sẽ tiếp tục nâng cao hiệu quả của chúng. Hơn nữa, khả năng đổi mới tăng tốc của nó sẽ cho phép nó tiếp tục giúp khách hàng của mình vượt qua các mối đe dọa đang phát triển nhanh chóng mà họ phải đối mặt.

Tìm hiểu thêm về cách bạn có thể tăng tốc khả năng đổi mới với AI bằng cách truy cập Bắt đầu với Amazon SageMaker hoặc xem xét các Tài nguyên dành cho nhà phát triển Amazon SageMaker hôm nay.

---

Lưu ý

Daniel Burke là người dẫn đầu châu Âu về AI và ML trong nhóm Cổ phần tư nhân tại AWS. Với vai trò này, Daniel làm việc trực tiếp với các quỹ Private Equity và các công ty trong danh mục đầu tư của họ để thiết kế và triển khai các giải pháp AI và ML nhằm thúc đẩy đổi mới và tạo ra giá trị doanh nghiệp bổ sung.

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