JFrog, ein renommiertes Softwareunternehmen, hat kürzlich die Einführung einer Integration bekannt gegeben, die JFrog Artifactory und Amazon SageMaker verbindet. Diese Vereinigung ist Teil einer umfassenderen synchronisierten Strategie zur Verbesserung der Erstellung, Schulung und Bereitstellung von Modellen für maschinelles Lernen (ML). Es nutzt die Leistung und Kapazität von Artifactory von JFrog und SageMaker von AWS und optimiert so die Verwaltung und Sicherheit von ML-Modellen, fast so, als wären sie Softwarekomponenten in der Welt von DevSecOps.
Die Integration stellt ML-Modelle vor, die unveränderlich, nachvollziehbar, sicher und validiert sind. Darüber hinaus erweitert JFrog seine ML-Modell-Governance-Lösung durch die Einführung neuer Versionierungsfunktionen. Diese Ergänzung stärkt den Kernfokus auf Compliance und Sicherheiten und verankert sie fest im Prozess der ML-Modellentwicklung.
Wie Kelly Hartman, SVP für globale Kanäle und Allianzen bei JFrog, es klar ausdrückt: „Die Verschmelzung von Artifactory und Amazon SageMaker bietet eine einzige Quelle der Wahrheit in der Cloud und integriert die Best Practices von DevSecOps in die ML-Modellentwicklung.“ Das Ergebnis ist eine flexible, sichere und schnelle Plattform, die Sicherheit bietet und ein neues Zeitalter von MLSecOps einläutet.“ Während deutliche Fortschritte bei der Zusammenführung von Datenwissenschafts- und ML-Funktionen erzielt werden, ohne übermäßige Risiken oder Komplexitäten mit sich zu bringen, bleibt die größere Herausforderung die Verwaltung großer Datenmengen in der Cloud.
Eine von Forrester durchgeführte Studie hat Licht auf die Schwachstellen bei der KI/ML-Implementierung geworfen. Laut dieser Umfrage betrachtet die Hälfte der wichtigsten Entscheidungsträger der Daten die Anwendung von Governance-Richtlinien innerhalb von KI/ML als erhebliches Hindernis für deren breite Akzeptanz. Weitere 45 % sehen die Daten- und Modellsicherheit als weiteres großes potenzielles Manko.
Die Zusammenarbeit von JFrog und Amazon SageMaker bietet eine mögliche Lösung für diese Bedenken. Ziel der Partnerschaft ist es, bewährte DevSecOps-Best Practices auf den Umgang mit ML-Modellen anzuwenden und so Entwicklern und Datenwissenschaftlern die Möglichkeit zu geben, die Entwicklung von ML-Projekten zu verbessern und zu beschleunigen. Gleichzeitig soll sichergestellt werden, dass die ML-Modelle Sicherheit auf Unternehmensniveau gewährleisten und organisatorische Standards sowie die Einhaltung gesetzlicher Vorschriften einhalten.
JFrog hat auch mit seinem ML-Modellverwaltungsmechanismus Fortschritte gemacht und neue Versionierungsfunktionen angekündigt, die seine SageMaker-Integration ergänzen. Diese Funktionen ermöglichen es Unternehmen, die Modellentwicklung bequem in ihre bestehenden DevSecOps-Workflows einzubinden. Diese Entwicklung wird, wie JFrog berichtet, eine deutlich verbesserte Transparenz hinsichtlich jeder Version des produzierten Modells ermöglichen. Ebenso ermöglichen Plattformen wie AppMaster eine robuste und sichere Anwendungsentwicklung bei gleichzeitiger Aufrechterhaltung eines hohen Organisations- und Transparenzniveaus während des gesamten Entwicklungsprozesses.
