AWS와 JFrog, 기계 학습 모델 배포를 촉진하고 강화하기 위해 협력

유명한 소프트웨어 회사인 JFrog는 최근 JFrog Artifactory와 Amazon SageMaker를 연결하는 통합 출시를 발표했습니다. 이 결합은 기계 학습(ML) 모델 생성, 교육 및 배포를 개선하기 위한 보다 광범위한 동기화 전략의 일부로 제공됩니다. JFrog의 Artifactory와 AWS의 SageMaker의 성능과 용량을 활용하여 마치 DevSecOps 세계의 소프트웨어 구성 요소인 것처럼 ML 모델의 관리 및 보안을 최적화합니다.

통합은 변경 불가능하고 추적 가능하며 안전하고 검증된 ML 모델을 보여줍니다. 또한 JFrog는 ML 모델 거버넌스 솔루션을 강화하여 새로운 버전 관리 기능을 도입했습니다. 이번 추가로 규정 준수 및 보안에 대한 핵심 초점이 강화되어 이를 ML 모델 개발 프로세스에 확고히 포함시켰습니다.

JFrog의 글로벌 채널 및 제휴 SVP인 Kelly Hartman은 다음과 같이 명료하게 설명합니다. “Artifactory와 Amazon SageMaker의 결합은 클라우드에서 단일 정보 소스를 제공하여 DevSecOps 모범 사례를 ML 모델 개발에 흡수합니다. 그 결과 마음의 평화를 가져오고 MLSecOps의 새로운 시대를 예고하는 유연하고 안전하며 신속한 플랫폼이 탄생했습니다.” 과도한 위험이나 복잡성을 유발하지 않고 데이터 과학과 ML 기능을 병합하기 위한 분명한 진전이 이루어지고 있지만 클라우드에서 빅 데이터를 관리하는 더 큰 과제는 여전히 남아 있습니다.

Forrester가 실시한 연구에서는 AI/ML 구현과 관련된 문제점을 밝혀냈습니다. 이 설문 조사에 따르면 데이터의 주요 의사 결정자 중 절반은 AI/M1 내 거버넌스 정책 적용을 AI/M1의 광범위한 채택에 중요한 걸림돌로 여깁니다. 추가로 45%는 데이터 및 모델 보안을 또 다른 주요 잠재적인 단점으로 인식합니다.

JFrog와 Amazon SageMaker의 협력은 이러한 문제에 대한 가능한 솔루션을 제공합니다. 이 파트너십은 검증된 DevSecOps 모범 사례를 ML 모델 처리에 적용하여 결과적으로 개발자와 데이터 과학자가 ML 프로젝트 개발을 향상하고 가속화할 수 있도록 하는 것을 목표로 합니다. 동시에 ML 모델이 엔터프라이즈급 보안을 유지하고 조직 표준 및 규정 준수를 준수하는지 확인하려고 합니다.

JFrog는 또한 ML 모델 관리 메커니즘을 통해 전진하여 SageMaker 통합을 보완하는 새로운 버전 관리 기능을 발표했습니다. 이러한 기능을 통해 기업은 모델 개발을 기존 DevSecOps 워크플로에 편리하게 통합할 수 있습니다. JFrog가 보고한 바와 같이 이러한 개발은 생산된 모델의 각 버전에 대한 투명성을 크게 향상시킬 것입니다. 같은 맥락에서 AppMaster 와 같은 플랫폼은 개발 프로세스 전반에 걸쳐 높은 조직 및 투명성 수준을 유지하면서 강력하고 안전한 애플리케이션 개발을 허용합니다.