Kategória index

Architect

325 cikk

325 CIKK

KIEMELT JELENTÉS

Az AWS Continuum lehetővé teszi a vállalkozások számára, hogy agent alapú kódbiztonsági megoldást alkalmazzanak.

Az Amazon Web Services bevezette az AWS Continuum-t, egy integrált biztonsági platformot, amely automatizálja a kódalapok, a függőségek és az alkalmazásokban található biztonsági problémák feltárását, végrehajtását és javítását. A platform négy kulcsfontosságú funkciót kínál, amelyek a teljes biztonsági életciklust lefedik: a penetrációs teszt, a kódellenőrzés, a fenyegetésmodellezés és a kód biztonsági hibáinak azonosítása. Ez a kezdeményezés célja, hogy javítsa a fejlesztők és szervezetek biztonsági folyamatait.

SZERZŐ Gianmarco Nalin

PERC OLVASÁS 1 PERC OLVASÁS

FELFEDEZÉS north_east

Az AWS Continuum lehetővé teszi a vállalkozások számára, hogy agent alapú kódbiztonsági megoldást alkalmazzanak.

ARCHITECT

10 önálló filmstúdió, amikből tanultunk a csapatmunka fontosságáról

Egy Google-i belső hackathon tesztelte, hogy képesek-e az AI-agentek együttműködni rövid filmek létrehozásában. Az agentek csoportjai, amelyeknek meghatározott szerepei voltak, yhteűködtek üzenek átadásával és közös fájlok használatával egy nyílt forrású keretrendszerben, a Scion-ban. A verseny során tíz csapat 25+ filmet készített, amelyek összesen körülbelül 44 perc hosszúak voltak, különböző AI eszközök segítségével, amelyek a forgatókönyv, a vizuális elemek és a hangok létrehozására szolgáltak. Az kísérlet eredményei kiemelták a világos kommunikáció, a hatékony csapatstruktúrák és a specifikus irányelvek előnyeit a általános utasításokkal szemben az AI által generált médiában.

5 PERC OLVASÁS arrow_forward

ARCHITECT

A CNCF megerősíti a Broadcommal való együttműködését, mint aranytag, hogy elősegítse az AI-re alkalmas, felhő alapú infrastruktúra fejlesztését.

A CNCF-fel連携 Broadcom folyamatos befektetését jelzi az nyílt forrású innováció, a felhő alapú alkalmazkodás és az mesterséges intelligencia következő generációs alkalmazásokhoz kapcsolódó technológiák terén. Kulcsfontosságú pontok SAN FRANCISCO, Kalifornia – 2026. július 16. – A Cloud…

1 PERC OLVASÁS arrow_forward

ARCHITECT

Felhőszabályzatok: Hogyan használja a mesterséges intelligencia a mély kontextust a védelem erejébe?

Az 2026 júliusi Cloud CISO Perspectives magazinban Francis deSouza, a Google Cloud operatív igazgatója, megbeszéli, hogy a mélyebb kontextus hogyan növeli az AI hatékonyságát a védekezésben, különösen a támadók felé, akik AI-t használva támadnak. Mivel az AI felgyorsítja a kibertámadásokat, a Google az AI Threat Defense keretrendszert fejlesztette ki, amely különböző biztonsági technológiákat egyesít, hogy proaktív védekezési stratégiát biztosítson. A kulcsfontosságú alapelvek közé tartozik a részletes előkészítés, az intelligens szkennelés, a hatékony helyreállítás automatizálás segítségével, és a folyamatos figyelem. A Morgan Stanley sikerének példája azt mutatja, hogy ezek a módszerek jelentősen csökkentik a fenyegetések azonosításának időtartamát. Emellett a szám is kiemeli a folyamatban lévő erőfeszítéseket a biztonsági gyakorlatok fejlesztésére, az újabb fenyegetések alkalmazkodására, és a kibertámadás elleni védekezésben való együttműködésre.

5 PERC OLVASÁS arrow_forward

ARCHITECT

Három tanulság a nagyméretű modellek frissítésének felgyorsításában

Az új AI-modellekhoz való átállás bonyolult és időigényes lehet az mérnöki csapatok számára, gyakran kiterjedt tesztelést és manuális értékelést igényel. A Google Cloud-on működő Applied ML csapat egy új munkáltatófolyamot fejlesztett ki, amely lehetővé teszi, hogy a modellek frissítése hetek helyett órák alatt történjen, a Gemini Enterprise Agent Platform segítségével. Ők három tanulságot osztanak meg: a gyakorlati felfedezésben való részvétel, a szigorú automatizálástól való elválás és a rugalmas ügynök architektúra alkalmazása. Ezeknek a elveinek alkalmazásával a csapatok hatékony átállási munkáltatófolyamokat hozhatnak létre, és az Autoraters és Antigravity olyan eszközöket is felhasználhatnak az automatizáshoz, ami végül javítja az új AI-modellek alkalmazásának sebességét és minőségét.

3 PERC OLVASÁS arrow_forward

ARCHITECT

SQL és Python közötti szakadást a BigQuery és a %%bqsql varázs segítségével lezárhatjuk

Adatkutatók gyakran használják a SQL-t és a Python-t az adatok feldolgozásához, de a két között problémák merülhetnek. Ezt megkönnyíteni érdekében a Google Cloud bevezette a SQL cellákat a Colab Enterprise-ben, ami javítja a munkafolyamatok integrációját az új %%bqsql IPython cellamaggal, így a SQL és a Python könnyen használhatóvá válnak. Ez lehetővé teszi a felhasználóknak, hogy mindkét nyelvet egyetlen feldolgozó folyamatban is hasznosítsák, például a Jupyter és a pandas segítségével. A felhasználók helyi környezeteket hozhatnak létre, vagy a Colab-ot használhatják a BigQuery erőforrásokhoz való hozzáféréshez. Ez a beépítés lehetővé teszi a helyi pandas DataFrames közvetlen SQL-kérdezését, valamint a SQL és a Python közötti műveletek sorozását, ami javítja a skálázhatóságot és a olvashatóságot. A felhasználók a SQL-alakítás után a Python-ban is megjeleníthetik az adatokat, így a hatékony munkafolyamatokat biztosítják. A BigFrames csapat kérni fogja a visszajelzéseket a kombinált élményről.

6 PERC OLVASÁS arrow_forward

ARCHITECT

Prioritálja az AWS Health értesítéseit az AWS felhasználói értesítések segítségével

Ha kritikus munkaterheket futtatsz az AWS-en, például egy kapcsolati központot az Amazon Connect Customer-en, adatbázis munkaterheket az Amazon Relational Database Service (Amazon RDS) szolgáltatáson, vagy hibrid kapcsolódást az AWS Direct Connect-en keresztül, a szolgáltatás állapotával kapcsolatos események a figyelmedet igénylik. De nem minden esemény egyenlő. Egy operatív probléma, egy ütemezett karbantartási ablak és egy visszavonási értesítés

1 PERC OLVASÁS arrow_forward

ARCHITECT

Az AI-alapú kártyák feltárása: Egy terv az AI-alapú kártyakezeléshez

A Mandiant M-Trends 2026 jelentés megjegyzi, hogy a gyengeségek kihasználásához szükséges átlagos idő csökkent 7 napra. Ennek megoldására a biztonsági csapatok a fejlesztési folyamatokba nagy nyelvi modelok (LLM-ek) integrációját vizsgálják, hogy automatizálják a gyengeségek kezelését. A blog áttekintést ad a biztonságos AI integráció legjobb gyakorlatairól, hangsúlyozva az operatív irányítók fontosságát, az iparági szabványok, például a NIST AI Risk Management Framework betartását és az AI-agentok biztonságos helyének biztosítását kontrollált környezetben. Hangsúlyozza az AI kombinálását a humán felügyelettel a gyengeségek felismerésének növelése érdekében, miközben minimalizálja a kockázatokat. A beszélgetés a előzetes adatok védelmét, a feladatok szeparációját, a hatékony red teaminget és a folyamatos fejlesztés kulturájának ösztönzését is tartalmazza a gyengeségek kezelésében. Emellett kiemeli az AI integrációt a szoftverfejlesztési életciklusba, zarówno vállalati, úgy mint termékbiztonság szempontjából. Végső soron az szervezeteknek a alapvető biztonságot prioritizálni kell, és az LLM-ek alkalmazását stratégikusan kell kezelni, hogy az innovációt a kockázatkezeléssel egyenlítsék.

1 PERC OLVASÁS arrow_forward

ARCHITECT

A Vodafone és a Three követelnek szabályozási változásokat a brit mobilpiac növekedésének elősegítése érdekében

A brit mobilhálózatok üzemeltetői energiaköltségekkel, szabályozási és bürokratikus nehézségekkel küzdenek, amelyek mind hatással vannak a befektetési terveikre.

1 PERC OLVASÁS arrow_forward

ARCHITECT

Palantir: Más is képes ilyenre?

A Palantir egy amerikai védelmi-kibocsátó cég, amely a CIA-nál létrehozott befektetési egységből származik, és jelenleg a brit közszektorban működik. Vizsgáljuk a felhogy, hogy a technológiája olyan dolgokat képes megtenni, amit más beszállító nem.

1 PERC OLVASÁS arrow_forward

ARCHITECT

Az AI-t vállalati méretben biztonságba helyezés: A Google Kubernetes Engine terv

Az mesterséges intelligencia gyorsan fejlődik, ezért olyan robusztus biztonsági stratégiákra van szükség, amelyeket a hagyományos módszerek nem tudnak alkalmazni. A fő információs biztonsági igazgatóknak (CISOs) meg kell védeni a mesterséges intelligencia modelok súlyait, védeni kell a fenyegetések ellen, például a prompt-ok injekcióját, és betartani a szabályokat anélkül, hogy ez akadályozná a fejlesztést. A Google Cloud egy átfogó tervet kínál a mesterséges intelligencia feladatok biztonságának biztosítására a Google Kubernetes Engine (GKE) használatával, amely a szerkezet alapú biztonsági réteketől az alkalmazásbiztonságig hangsúlyoz. Ez a megközelítés magában foglalja a hardver-szintű titkosítást, a zero-trust hálózatot, a modell integritásának szabályozását és a mesterséges intelligéssel kapcsolatos fenyegetések ellen való védelem. Javasolja egy fázisú biztonsági stratégiát: alapvető konfigurációk telepítése, a termelő rendszerek megerősítése és a megfelelés automatizálása. A GKE használatával a csapatok biztosíthatják a fokozott biztonságot anélkül, hogy ez akadályozná a mesterséges intelligencia alkalmazásának sebességét.

3 PERC OLVASÁS arrow_forward

ARCHITECT

Önmagában futó LLM-et Kubernetes-ben a vLLM segítségével

Nagy nyelvi model (LLM) feladatok futtatása belsőleg egyike a több mint néhány mintának, amelyeket a csapatok a kezelt API szolgáltatások mellett alkalmaznak. A kezelt API szolgáltatások kényelmesek és számos feladathoz alkalmasak. A saját szervereken futtatás egy kiegészítő lehetőség, amely egyes…

1 PERC OLVASÁS arrow_forward