Author: AWS Team

Amazon GuardDuty 是一种威胁检测服务，可持续监控恶意活动和未经授权的行为，从而保护您的 AWS 账户和工作负载.但很多时候管理员并没有对Amazon GuardDuty 的调查结果进行主动监测,导致出现严重风险时没有及时发现和响应,本文介绍了一种方法可以根据Amazon GuardDuty 报告的威胁级别通过电话和主动邮件的方式及时通知管理员,避免风险进一步扩大,让管理人员能够及时响应和处理。

通过STS实现终端用户只能管理自己的S3文件的场景来介绍STS的Session Tags功能，通过STS Session Tags，让AWS的资源的权限管理更加灵活，可自定义化。本文只演示了S3资源，但实际生产中可将STS Session Tags应用于所有AWS资源。

通过实施远程分布式agile/EDF的一些实践，我们设法将2个月的预期新冠肺炎延迟减少到2个周左右。如果说有哪些你需要注意的，请看以下3方面：（1）远程交付会花费更多精力，需要会前内容准备和人员工具等的设置工作 – 要比往常投入更多才能顺利开展，尤其是在第一次远程迭代期间，（2）不要仅靠操作手册 – 响应客户的挑战，并相应地调整人员工具等的配置工作，并且（3）坚定执行迭代控制会议 – 否则沟通成本只会更高，进而更加阻碍项目进度。

本文将引领读者，从工程实践角度出发，借助 AWS 机器学习相关云计算服务，基于 PyTorch 机器学习框架，构建第一个生成对抗网络，开启全新的、有趣的机器学习和人工智能体验。

Amazon SageMaker Operator 可以帮助数据科学家以及开发人员利用Kubernetes的接口来创建和管理SageMaker的任务，如机器学习的模型训练、超参优化、批量转换以及实时推理等。如图所示，SageMaker Operator可以让 开发与运维人员可以通过kubectl命令行或者kubernetes api接口调用的方式来管理和使用SageMaker服务，它就像翻译器一样，在Kubernetes平台与AWS SageMaker 服务之间搭建了一座桥梁，让那些已经很很熟悉Kubenretes 的开发、运维人员在无需投入过多精力的情况下，即可快速地使用SageMaker服务。

借助Rekognition对照片特征进行提取并构建不同的集合，用户根据需要将照片与不同集合进行比对，应用场景如：对不同家庭、班级构建集合，输入合照识别其中的家庭、班级成员。

本文主要关于使用AWS Neuron SDK在AWS Inferentia芯片上进行机器学习推理。

本文是玩转GPU实例之三的系统优化篇。

Amazon WorkSpaces 提供了灵活的付费方式，使得用户可以按月或按小时付费。按月计费适合需要全天使用 Amazon WorkSpaces 或将其用作主要桌面的工作人员。对于并非需要长时间运行的工作场景，比如兼职工作人员、临时性工作分担、频繁出差的人员、短期项目、在线培训和教育等，使用按小时付费是一种能够很好节约成本的方式。Amazon WorkSpaces 计费模式能够非常灵活的进行选择和切换，只需要通过配置相应实例的运行模式（Running Mode）即可。

Amazon WorkSpaces可以快速为用户预置基于云的虚拟桌面，与此同时虚拟桌面中应用程序的部署和管理将成为IT管理员的一项重要任务，我们可以借助Amazon WorkSpaces Application Manager (Amazon WAM)加快应用程序的部署并简化管理。本文以部署Adobe Reader 9应用程序举例，详细说明如何利用Amazon WAM将应用程序快速部署到Amazon WorkSpaces的用户桌面。