Native Integration für Hugging Face Jfrog bringt KI/ML-Entwicklung und DevSecOps in Einklang

Anbieter zum Thema

PresseBox - unn | UNITED NEWS NETWORK GmbH

Insider Research

Windhoff Group

Die DevOps-Plattform von JFrog erhält neue ML-Modell-Management-Funktionen. Dies bringe die KI-Bereitstellung in Einklang mit bestehenden DevOps- und DevSecOps-Praktiken eines Unternehmens, um die Freigabe von ML-Komponenten zu beschleunigen, abzusichern und zu verwalten.

„Data Scientists, ML-Ingenieure und DevOps-Teams verfügen noch nicht über einen gemeinsamen Prozess zur Bereitstellung von Software. Dies kann zu Reibungen zwischen den Teams, Schwierigkeiten bei der Skalierung und einem Mangel an Standards bei der Verwaltung und Compliance im Portfolio führen“, sagt Yoav Landman, Mitbegründer und CTO von JFrog. „Artefakte von Machine-Learning-Modellen sind ohne Python und andere von ihnen abhängige Pakete unvollständig und werden oft mithilfe von Docker-Containern bereitgestellt.“

Man bietet bereits Artefakt-Management und DevSecOps-Prozesse für Data Scientists und Softwareingenieure. „Daher betrachten wir diesen Release als unseren nächsten logischen Schritt, indem wir das Management von Machine-Learning-Modellen sowie deren Sicherheit und Compliance in eine einheitliche Softwarelieferkette integrieren. Mit dem Ziel, im Zeitalter von KI vertrauenswürdige Software in großem Maßstab bereitzustellen.“

Mit den neuen Funktionen zum ML-Modell-Management sei es Unternehmen möglich,

• das öffentliche ML-Repository Hugging Face als Proxy zu verwenden, um von Unternehmen benötigte Open-Source-KI-Modelle zwischenzuspeichern und sie so näher an die Entwicklung und Produktion heranzuführen bzw. sie vor Löschung oder Änderungen zu schützen.

• die Verwendung bösartiger ML-Modelle zu erkennen und zu blockieren,

• ML-Modell-Lizenzen zu scannen, um die Einhaltung der Unternehmensrichtlinien sicherzustellen,

• selbst entwickelte oder intern erweiterte ML-Modelle mit sicheren Zugriffskontrollen und Versionsverläufen für mehr Transparenz zu speichern,

• ML-Modelle als Teil jedes Software-Releases zu bündeln und zu verteilen.

„Immer mehr Unternehmen beginnen, ML-Modelle in ihre Anwendungen zu integrieren, und angesichts staatlicher Vorschriften, die von Softwareanbietern eine genaue Auflistung der Softwareinhalte verlangen, glauben wir, dass es nicht mehr lange dauern wird, bis diese Richtlinien auch ML- und KI-Modelle einschließen“, sagt Yossi Shaul, SVP Product and Engineering bei JFrog. „Wir freuen uns, unseren Kunden eine einfache Möglichkeit zu bieten, auf die Modelle zusammen mit ihren anderen Softwarekomponenten zuzugreifen, sie zu speichern, abzusichern und zu verwalten, um ihre Innovationen voranzutreiben und gleichzeitig für die Anforderungen von morgen gut gerüstet zu sein.“

(ID:49789755)