JFrog, uma renomada empresa de software, revelou recentemente o lançamento de uma integração que une JFrog Artifactory e Amazon SageMaker. Essa união faz parte de uma estratégia sincronizada mais ampla para melhorar a criação, o treinamento e a implantação de modelos de aprendizado de máquina (ML). Ele aproveita o poder e a capacidade do Artifactory da JFrog e do SageMaker da AWS, otimizando assim o gerenciamento e a segurança dos modelos de ML quase como se fossem componentes de software no mundo do DevSecOps.
A integração apresenta modelos de ML imutáveis, rastreáveis, seguros e validados. Além disso, JFrog aprimora sua solução de governança de modelo de ML, introduzindo novos recursos de versionamento. Esta adição reforça o foco central na conformidade e nos valores mobiliários, incorporando-os firmemente no processo de desenvolvimento do modelo de ML.
Como Kelly Hartman, vice-presidente sênior de canais e alianças globais da JFrog, afirma lucidamente: “A fusão do Artifactory e do Amazon SageMaker oferece uma única fonte de verdade na nuvem, incorporando as melhores práticas de DevSecOps no desenvolvimento do modelo de ML. Isso resulta em uma plataforma flexível, segura e rápida que traz tranquilidade, anunciando uma nova era de MLSecOps.” Embora estejam sendo dados passos claros para mesclar a ciência de dados e os recursos de ML sem causar riscos ou complexidades indevidas, o maior desafio continua sendo o gerenciamento de big data na nuvem.
Um estudo conduzido pela Forrester esclareceu os pontos problemáticos que cercam a implementação de IA/ML. De acordo com este inquérito, metade dos principais decisores dos dados vêem a aplicação de políticas de governação no âmbito da IA/Ml como um obstáculo significativo à sua ampla adoção. Outros 45% consideram a segurança de dados e modelos como outra grande deficiência potencial.
A colaboração entre JFrog e Amazon SageMaker oferece uma possível solução para essas preocupações. A parceria visa aplicar as melhores práticas DevSecOps testadas e comprovadas ao tratamento de modelos de ML, permitindo assim que desenvolvedores e cientistas de dados aprimorem e acelerem o desenvolvimento de projetos de ML. Simultaneamente, procura garantir que os modelos de ML mantenham a segurança de nível empresarial e cumpram os padrões organizacionais e a conformidade regulamentar.
JFrog também avançou com seu mecanismo de gerenciamento de modelo de ML, anunciando novos recursos de versionamento que complementam sua integração com o SageMaker. Esses recursos permitem que as empresas integrem convenientemente o desenvolvimento de modelos em seus fluxos de trabalho DevSecOps existentes. Este desenvolvimento, como relata o JFrog, facilitará uma transparência significativamente melhorada em relação a cada versão do modelo produzido. Na mesma linha, plataformas como AppMaster permitem o desenvolvimento robusto e seguro de aplicativos, ao mesmo tempo que mantêm altos níveis de organização e transparência em todo o processo de desenvolvimento.
