著名软件公司 JFrog 最近宣布推出连接 JFrog Artifactory 和 Amazon SageMaker 的集成。该联盟是更广泛的同步策略的一部分，旨在改进机器学习 (ML) 模型的创建、训练和部署。它利用 JFrog Artifactory 和 AWS SageMaker 的强大功能和容量，从而优化 ML 模型的管理和安全性，几乎就像它们是 DevSecOps 领域的软件组件一样。
该集成展示了不可变、可追踪、安全和经过验证的机器学习模型。更重要的是，JFrog 增强了其 ML 模型治理解决方案，引入了新的版本控制功能。这一补充强化了对合规性和安全性的核心关注，将它们牢固地嵌入到机器学习模型开发的过程中。
正如 JFrog 全球渠道和联盟高级副总裁 Kelly Hartman 所言，“Artifactory 和 Amazon SageMaker 的融合在云中提供了单一事实来源，将 DevSecOps 最佳实践融入到 ML 模型开发中。这形成了一个灵活、安全、快速的平台，让您高枕无忧，预示着 MLSecOps 的新时代。”虽然在合并数据科学和机器学习功能方面正在取得明显进展，且不会造成过度风险或复杂性，但更大的挑战仍然是在云中管理大数据。
Forrester 进行的一项研究揭示了围绕 AI/ML 实施的痛点。根据这项调查，一半的数据关键决策者认为人工智能/机器学习中治理政策的应用是其广泛采用的重大障碍。另外 45% 的人认为数据和模型安全是另一个主要的潜在缺陷。
JFrog 和 Amazon SageMaker 的合作为这些问题提供了可能的解决方案。该合作伙伴关系旨在将经过考验的 DevSecOps 最佳实践应用于 ML 模型处理，从而使开发人员和数据科学家能够增强和加速 ML 项目的开发。同时，它力求确保机器学习模型保持企业级安全性并遵守组织标准和法规遵从性。
JFrog 的 ML 模型管理机制也取得了进展，宣布推出新的版本控制功能，以补充其 SageMaker 集成。这些功能使公司能够方便地将模型开发融入到其现有的 DevSecOps 工作流程中。据 JFrog 报道，这一发展将有助于显着提高所生成模型的每个版本的透明度。同样，像AppMaster这样的平台可以实现稳健且安全的应用程序开发，同时在整个开发过程中保持高度的组织和透明度。
