集成成功无缝机器学习生命周期 MLflow DataBricks 助力开发者成功安保AI之旅 JFrog 与 的

2024年5月7日 —— 流式软件公司、JFrog 软件供应链平台的缔造者JFrog近期发表成功JFrog Artifactory和Databricks开发的开源软件平台MLflow的全新机器学习（ML）生命周期集成。继往年早些时刻颁布与 Qwak 和Amazon SageMaker 的原生集成后，JFrog 裁减了其通用AI处置打算，为企业提供以 Artifactory 作为模型注册中心的繁多记载系统。这项全新集成让 JFrog 用户在简化的端到端 DevSecOps 上班流中，联合一切其余软件开发组件，高效地构建、控制和交付 ML 模型以及生成式AI（GenAI）驱动的运行程序。经过确保每个模型无法变性和可追溯性，企业可以验证 ML 模型的安保性和起源，从而开展担任任的AI通常。

行业钻研标明，为创立新的AI驱动运行程序而构建的 ML 模型中，有 80% 或更多的模型无法部署，这重要是由于将模型集成到操作时存在技术阻碍。JFrog与MLflow的集成经过将MLflow罕用的开源模型开发处置打算与企业成熟的DevOps上班流无缝联合，协助企业克制技术难题。从试验到消费，这一集成为ML模型提供端到端的可视性、智能化、可控性和可追溯性。

JFrog首席技术官Yoav Landman示意： “企业要想成功地接受并大规模交付AI和GenAI驱动的运行，开发人员和数据迷信团队就必定像控制一切软件包一样，以可信任的模式对模型启动控制。唯有经常使用一个通用的、可裁减的、一致针对一切二进制文件的繁多记载系统才干成功这一指标，该系统可提供版本控制、生命周期控制和安保控制，而咱们与MLflow的新集成可提供这些配置。”

基于与市场上一切重要ML工具的成功集成，JFrog Artifactory 和 MLflow 的集成使 ML 工程师、Python、Java 和 R 开发人员能够自在地经常使用自己偏好的工具堆栈，并将 Artifactory 作为其黄金规范模型注册表。JFrog 的通用可裁减平台还能够原生代理 Hugging Face，使开发人员能够一直访问可用的开源模型，同时检测恶意模型并口头容许合规性。该处置打算还装备了JFrog平台提供的软件安保配置和扫描仪，以保养无危险的ML运行。

MLSecOps —— 值得信任且经过筹划的模型

JFrog安保钻研团队最近在地下的Hugging Face AI库中发现了数百个恶意AI ML模型的实例，这导致了数据暴露或攻打的严重危险。这一事情凸显了潜伏于AI驱动系统中的潜在要挟，并强调了增强安保看法和保养网络安保的必要性。

JFrog Artifactory 与 MLflow 的集成将助力用户更轻松地构建、训练和部署模型，并应用JFrog 的扫描环境，严厉审核上行到 Hugging Face 的每个新模型，从而在安保性、模型控制、版本控制、可追溯性和信任度等方面成功更大的优化。