Generatif (Beta) |. Memberikan berita dan tren terkini dalam AI generatif
.webp)
NVIDIA Mengumumkan Cetak Biru AI untuk Layanan Mikro yang Aman
Generatived
4/12/24, 13.30
Peralihan ke arsitektur layanan mikro dalam pengembangan aplikasi telah menciptakan kompleksitas baru dalam keamanan, dan tim teknik kini menghadapi banyak tanggung jawab di ratusan layanan. Otomatisasi telah menjadi alat penting untuk menerapkan langkah-langkah keamanan yang konsisten, merespons ancaman dengan cepat, dan menjaga kepatuhan terhadap peraturan. Seiring berkembangnya aplikasi, otomatisasi membantu menjaga keamanan dan menyediakan tata kelola untuk sistem terdistribusi yang kompleks.
Kontainerisasi adalah metode umum untuk menerapkan layanan mikro, memungkinkan pengembang untuk menggunakan jalur integrasi berkelanjutan yang sama, apa pun platform orkestrasinya. Penting bagi tim pengembangan untuk memindai gambar container untuk mencari kerentanan dan memastikan keamanan sebelum penerapan. Proses ini merupakan bagian dari strategi yang lebih luas untuk mengelola risiko keamanan di lingkungan cloud secara efektif.
Memperkenalkan pendekatan baru untuk mengotomatiskan remediasi kerentanan dalam jalur integrasi berkelanjutan. Ini memanfaatkan analisis kerentanan AIBlueprint NVIDIA bersama dengan layanan cloud-native AWS. Metode ini memanfaatkan NVIDIA Morpheus untuk mendeteksi ancaman hampir secara real-time dan menggunakan model pembelajaran mesin untuk mengidentifikasi potensi ancaman keamanan. AIBlueprint untuk Analisis Kerentanan menyederhanakan proses pendeteksian dan pemulihan kerentanan dan paparan umum (CVE).
Alur kerja analisis kerentanan AIBlueprint mencakup pembangunan basis pengetahuan, pengumpulan intelijen kerentanan, pemrosesan bill of material (SBOM) perangkat lunak, dan pembuatan daftar periksa yang disesuaikan untuk analisis dampak. Alur kerja agen ini menggunakan agen untuk menangani item daftar periksa, merangkum temuan, dan menetapkan status legitimasi untuk setiap CVE. Hasil akhir disiapkan untuk ditinjau oleh manusia guna memastikan bahwa keamanan kontainer memenuhi standar penerbitan. Solusi ini, yang terintegrasi dengan layanan AWS, menunjukkan bagaimana alur kerja otomatis dapat meningkatkan efisiensi dan mengurangi beban tim teknik, memungkinkan mereka fokus dalam memberikan nilai bisnis sekaligus meningkatkan keamanan.
Bagikan artikel ini:
Tin tức mới nhất
Meta Memperluas Infrastruktur Komputasi untuk AI Future
19/6/26, 09.00
Meta menguraikan pentingnya infrastruktur komputasi yang semakin meningkat seiring dengan semakin canggihnya layanan AI dan semakin terintegrasinya layanan tersebut ke
NVIDIA Mempercepat Difusi Gemma di Seluruh Platform RTX
19/6/26, 09.00
NVIDIA mengumumkan optimasi untuk model eksperimental DiffusionGemma dari Google DeepMind, yang memungkinkan penerapan lebih cepat di seluruh GPU RTX, sistem RTX PRO,
NVIDIA Memperluas Penerapan AI Perusahaan DiffusionGemma
18/6/26, 09.00
NVIDIA mengumumkan perluasan dukungan untuk DiffusionGemma, model pembangkitan teks dari Google DeepMind yang dioptimalkan untuk inferensi berkecepatan tinggi
Copyright © 2024 Generatived - All right Reserved.
Bagikan artikel ini:
Bagikan artikel ini:
Kategori
Berita
AI dan hukum/peraturan/masyarakat
Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.
Berita terkini
Meta Memperluas Infrastruktur Komputasi untuk AI Future
19/6/26, 09.00
Meta menguraikan pentingnya infrastruktur komputasi yang semakin meningkat seiring dengan semakin canggihnya layanan AI dan semakin terintegrasinya layanan tersebut ke
NVIDIA Mempercepat Difusi Gemma di Seluruh Platform RTX
19/6/26, 09.00
NVIDIA mengumumkan optimasi untuk model eksperimental DiffusionGemma dari Google DeepMind, yang memungkinkan penerapan lebih cepat di seluruh GPU RTX, sistem RTX PRO,
NVIDIA Memperluas Penerapan AI Perusahaan DiffusionGemma
18/6/26, 09.00
NVIDIA mengumumkan perluasan dukungan untuk DiffusionGemma, model pembangkitan teks dari Google DeepMind yang dioptimalkan untuk inferensi berkecepatan tinggi


%20(1).webp)


