Data on perusta tekoälytekniikan maksimaalisen arvon kaappaamiseen ja liiketoiminnan ongelmien nopeaan ratkaisemiseen. Generatiivisten tekoälytekniikoiden potentiaalin hyödyntäminen edellyttää kuitenkin keskeistä edellytystä: tietosi on valmisteltava asianmukaisesti. Tässä viestissä kuvailemme, kuinka käytät generatiivista tekoälyä päivittääksesi ja skaalataksesi dataputkesi käyttämällä Amazon SageMaker Canvas tietojen valmistelua varten.

Tyypillisesti dataputkityö vaatii erikoistaitoa valmistella ja järjestää tiedot tietoturva-analyytikot arvon poimimista varten, mikä voi viedä aikaa, lisätä riskejä ja pidentää arvon muodostusaikaa. SageMaker Canvasin avulla tietoturva-analyytikot voivat vaivattomasti ja turvallisesti käyttää johtavia perusmalleja valmistellakseen tietojaan nopeammin ja korjatakseen kyberturvallisuusriskejä.

Datan valmisteluun kuuluu huolellinen muotoilu ja harkittu kontekstualisointi asiakkaan ongelmasta taaksepäin. Nyt SageMaker Canvas -chatin tietojen valmistelua varten analyytikot, joilla on verkkotuntia, voivat nopeasti valmistella, järjestää ja poimia datasta arvoa chat-pohjaisen kokemuksen avulla.

Ratkaisun yleiskatsaus

Generatiivinen tekoäly mullistaa tietoturva-alan tarjoamalla yksilöllisiä ja luonnollisia kielikokemuksia, tehostamalla riskien tunnistamista ja korjaamista sekä parantamalla liiketoiminnan tuottavuutta. Tässä käyttötapauksessa käytämme SageMaker Canvaa, Amazon SageMaker Data Wrangler, Amazon Security Lakeja Amazonin yksinkertainen tallennuspalvelu (Amazon S3). Amazon Security Laken avulla voit koota ja normalisoida tietoturvatietoja analysointia varten saadaksesi paremman käsityksen turvallisuudesta koko organisaatiossasi. Amazon S3:n avulla voit tallentaa ja noutaa minkä tahansa määrän tietoa milloin tahansa tai missä tahansa. Se tarjoaa alan johtavan skaalautuvuuden, tiedon saatavuuden, turvallisuuden ja suorituskyvyn.

SageMaker Canvas tukee nyt SageMaker Data Wranglerin tarjoamia kattavia tietojen valmisteluominaisuuksia. Tämän integroinnin ansiosta SageMaker Canvas tarjoaa päästä päähän koodittoman työtilan tietojen valmistelemiseen, rakentamiseen ja koneoppimisen (ML) käyttöön. Amazonin kallioperä perusmallit, jotka nopeuttavat aikaa datasta liiketoimintanäkemyksiin. Voit nyt löytää ja koota tietoja yli 50 tietolähteestä sekä tutkia ja valmistella tietoja käyttämällä yli 300 sisäänrakennettua analyysiä ja muunnosa SageMaker Canvas -visuaalisessa käyttöliittymässä. Näet myös nopeamman suorituskyvyn muunnoksissa ja analyyseissä ja hyödyt luonnollisen kielen käyttöliittymästä tutkiaksesi ja muuntaaksesi tietoja ML:ää varten.

Tässä viestissä esittelemme kolme keskeistä muutosta; suodatus, sarakkeiden uudelleennimeäminen ja tekstin poimiminen tietoturvalöydöstietojoukon sarakkeesta. Esittelemme myös SageMaker Canvasin chat for data prep -ominaisuuden käyttämistä tietojen analysoimiseen ja havaintojen visualisointiin.

Edellytykset

Tarvitset AWS-tilin ennen aloittamista. Sinun on myös määritettävä Amazon SageMaker Studio verkkotunnus. Katso ohjeet SageMaker Canvasin määrittämisestä Luo koneoppimisennusteita ilman koodia.

Käytä SageMaker Canvas -chat-käyttöliittymää

Suorita seuraavat vaiheet aloittaaksesi SageMaker Canvas -chat-ominaisuuden:

1. Valitse SageMaker Canvas -konsolista Data Wrangler.
2. Alle aineistot, valitse lähteeksi Amazon S3 ja määritä turvallisuushavaintojen tietojoukko Amazon Security Lakesta.
3. Valitse tietokulkusi ja valitse Chat tietojen valmistelua varten, joka näyttää chat-käyttöliittymän opastetuilla kehotteilla.

Suodata tiedot

Tätä viestiä varten haluamme ensin suodattaa kriittiset ja vakavat varoitukset, joten kirjoitamme chat-ruutuun ohjeet poistaa löydökset, jotka eivät ole kriittisiä tai erittäin vakavia. Canvas poistaa rivit, näyttää esikatselun muunnetuista tiedoista ja tarjoaa mahdollisuuden käyttää koodia. Voimme lisätä sen vaiheiden luetteloon Askeleet ruudussa.

Nimeä sarakkeet uudelleen

Seuraavaksi haluamme nimetä kaksi saraketta uudelleen, joten kirjoitamme chat-ruutuun seuraavan kehotteen nimetäksesi uudelleen laskeva ja otsikko sarakkeita Havainto ja kunnostamisen. SageMaker Canvas luo esikatselun, ja jos olet tyytyväinen tuloksiin, voit lisätä muunnetut tiedot tietovirran vaiheisiin.

Pura tekstiä

Voit määrittää löydösten lähdealueet kirjoittamalla chatissa ohjeet Pura alueteksti UID-sarakkeesta kuvion perusteella arn:aws:security:securityhub:region:*  ja luo uusi sarake nimeltä Alue) poimimaan alueen tekstin UID-sarakkeesta kuvion perusteella. SageMaker Canvas luo sitten koodin uuden aluesarakkeen luomiseksi. Datan esikatselu osoittaa, että havainnot ovat peräisin yhdeltä alueelta: us-west-2. Voit lisätä tämän muunnoksen tietovirtaan loppupään analyysiä varten.

Analysoi tiedot

Lopuksi haluamme analysoida tiedot määrittääksemme, onko vuorokaudenajan ja kriittisten löydösten määrän välillä korrelaatiota. Voit kirjoittaa chattiin pyynnön tehdä kriittisten löydösten yhteenveto kellonajan mukaan, ja SageMaker Canvas palauttaa oivalluksia, jotka ovat hyödyllisiä tutkimuksesi ja analyysisi kannalta.

Visualisoi löydöksiä

Seuraavaksi visualisoimme havainnot vakavuuden mukaan ajan mittaan sisällytettäväksi johtamisraporttiin. Voit pyytää SageMaker Canvaa luomaan pylväskaavion vakavuusasteesta vuorokaudenaikaan verrattuna. Sekunneissa SageMaker Canvas on luonut kaavion ryhmiteltynä vakavuuden mukaan. Voit lisätä tämän visualisoinnin tietovirran analyysiin ja ladata sen raporttiasi varten. Tiedot osoittavat, että havainnot ovat peräisin yhdeltä alueelta ja tapahtuvat tiettyinä aikoina. Tämä antaa meille luottamusta siihen, mihin kohdistaa tietoturvalöydösten tutkimuksemme perimmäisten syiden ja korjaavien toimenpiteiden selvittämiseksi.

Puhdistaa

Vältä tahattomat maksut puhdistamalla resurssit seuraavasti:

1. Tyhjennä lähteenä käyttämäsi S3-ämpäri.
2. Kirjaudu ulos SageMaker Canvasista.

Yhteenveto

Tässä viestissä osoitimme sinulle, kuinka SageMaker Canvasia käytetään päästä päähän ilman koodia työtilana tietojen valmisteluun Amazon Bedrock -perustusmallien rakentamiseen ja käyttämiseen nopeuttamaan liiketoiminnallisten näkemysten keräämistä tiedoista.

Huomaa, että tämä lähestymistapa ei rajoitu turvallisuushavaintoihin; Voit soveltaa tätä mihin tahansa generatiiviseen tekoälyn käyttötapaukseen, joka käyttää tietojen valmistelua ytimessä.

Tulevaisuus kuuluu yrityksille, jotka voivat tehokkaasti hyödyntää generatiivisen tekoälyn ja suurten kielimallien voimaa. Mutta tehdäksemme niin, meidän on ensin kehitettävä vankka tietostrategia ja ymmärrettävä tietojen valmistelun taito. Käyttämällä generatiivista tekoälyä datamme älykkääseen jäsentämiseen ja asiakasta taaksepäin toimimalla voimme ratkaista liiketoimintaongelmia nopeammin. SageMaker Canvas -chatin avulla tietojen valmisteluun on vaivatonta päästä alkuun ja saada välitöntä arvoa tekoälystä.

---

Tietoja Tekijät

Sudeesh Sasidharan on Senior Solutions Arkkitehti AWS:ssä Energy-tiimissä. Sudeesh rakastaa kokeilla uusia teknologioita ja rakentaa innovatiivisia ratkaisuja, jotka ratkaisevat monimutkaisia ​​liiketoiminnan haasteita. Kun hän ei suunnittele ratkaisuja tai puuhaile uusimpien teknologioiden parissa, voit löytää hänet tenniskentältä työstämässä kättäänsä.

John Klacynski on pääasiallinen asiakasratkaisupäällikkö AWS Independent Software Vendor (ISV) -tiimissä. Tässä roolissa hän auttaa ohjelmallisesti ISV-asiakkaita ottamaan käyttöön AWS-tekniikoita ja -palveluita saavuttamaan liiketoimintatavoitteensa nopeammin. Ennen AWS:ään liittymistään John johti suurille kuluttajapakkaustuotteita valmistaville yrityksille datatuotetiimejä, jotka auttoivat niitä hyödyntämään dataa parantamaan toimintaansa ja päätöksentekoaan.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://aws.amazon.com/blogs/machine-learning/analyze-security-findings-faster-with-no-code-data-preparation-using-generative-ai-and-amazon-sagemaker-canvas/