全新JFrog Artifactory集成为开发人员和数据科学家提供开源软件解决方案，可简化并安全加速ML模型开发
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(纳斯达克股票代码：FROG)近期宣布实现JFrogArtifactory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。继今年早些时候发布与Qwak和AmazonSageMaker的原生集成后，JFrog扩展了其通用AI解决方案，为企业提供以Artifactory作为模型注册中心的单一记录系统。这项全新集成让JFrog用户在简化的端到端DevSecOps工作流中，结合所有其他软件开发组件，高效地构建、管理和交付ML模型以及生成式AI(GenAI)驱动的应用程序。通过确保每个模型不可变性和可追溯性，企业可以验证ML模型的安全性和来源，从而发展负责任的AI实践。
行业研究表明，为创建新的AI驱动应用程序而构建的ML模型中，有80%或更多的模型无法部署，这主要是由于将模型集成到当前操作时存在技术障碍。JFrog与MLflow的集成通过将MLflow常用的开源模型开发解决方案与企业成熟的DevOps工作流无缝结合，帮助企业克服技术难题。从实验到生产，这一集成为ML模型提供端到端的可视性、自动化、可控性和可追溯性。
JFrog首席技术官Yoav Landman表示：“企业要想成功地接受并大规模交付AI和GenAI驱动的应用，开发人员和数据科学团队就必须像管理所有软件包一样，以可信赖的方式对模型进行管理。唯有使用一个通用的、可扩展的、统一针对所有二进制文件的单一记录系统才能实现这一目标，该系统可提供版本控制、生命周期控制和安全控制，而我们与MLflow的新集成可提供这些功能。”
JFrog MLOps：所有模型的单一事实来源
基于与市场上所有主要ML工具的成功集成，JFrog Artifactory和MLflow的集成使ML工程师、Python、Java和R开发人员能够自由地使用自己偏好的工具堆栈，并将Artifactory作为其黄金标准模型注册表。JFrog的通用可扩展平台还能够原生代理Hugging Face，使开发人员能够始终访问可用的开源模型，同时检测恶意模型并执行许可合规性。该解决方案还配备了JFrog平台提供的软件安全功能和扫描仪，以维护无风险的ML应用。
MLSecOps—— 值得信赖且经过策划的模型
JFrog安全研究团队最近在公开的Hugging Face AI库中发现了数百个恶意AI ML模型的实例，这构成了数据泄露或攻击的重大风险。这一事件凸显了潜伏于AI驱动系统中的潜在威胁，并强调了增强安全意识和维护网络安全的必要性。
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，并利用JFrog的扫描环境，严格检查上传到Hugging Face的每个新模型，从而在安全性、模型管理、版本控制、可追溯性和信任度等方面实现更大的优化。
###
关于JFrog
JFrog Ltd.(纳斯达克股票代码：FROG)的使命是创造一个从开发人员到设备之间畅通无阻的软件交付世界。秉承“流式软件”的理念，JFrog软件供应链平台是统一的记录系统，帮助企业快速安全地构建、管理和分发软件，确保软件可用、可追溯和防篡改。集成的安全功能还有助于发现和抵御威胁和漏洞并加以补救。JFrog的混合、通用、多云平台可以作为跨多个主流云服务提供商的自托管和SaaS服务。全球数百万用户和7000多名客户，包括大多数财富100强企业，依靠JFrog解决方案安全地开展数字化转型。一用便知!
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
