Author: AWS Team

本文介绍了如何利用 Amazon Personalize 机器学习服务快速构建高效的电商个性化推荐系统。重点阐述了数据 Schema 设计、算法配方选择、游客/匿名用户推荐、推荐策略优化等最佳实践，以及防止推荐重复商品、处理下架商品、利用 Context 信息等技巧，旨在帮助电商企业提升推荐系统的营销转化率。Amazon Personalize 作为完全托管的推荐服务，降低了算法工程门槛，是构建个性化推荐系统的优选方案。

为了提高数据库系统的安全性，满足国家网络安全等级保护制度（后文简称“等保”）的要求，本文章以亚马逊云科技北京区域的 Amazon RDS（MySQL 8.0.35 版本）为例，参考等保三级测评要求，探讨并为客户对 Amazon RDS（MySQL）在进行等保自查时提供整改和加固指南。

AI Character 角色扮演应用中的聊天对话管理是生成式 AI 在实际应用中的一个重要场景，需要借助数据库来有效管理大量的对话数据，以确保角色表现的连贯性和自然性，体现场景的快速响应和高频互动。

博客将详细介绍如何对 Amazon EC2 实例实现自动化弹性纵向扩缩容，让不便横向扩展的应用能根据实际需求动态调整单台 EC2 实例的计算资源，享受云端资源的灵活性和经济性，从而优化资源利用率和成本效益。

在本文中，我们将介绍如何基于 Amazon Bedrock 托管的 SDXL 基础模型构建一个 Slack 图像生成助手 App。该 Slack App 允许 Slack 用户通过发送文本提示来请求生成图像，并将生成的图像直接发送到 Slack 频道。这不仅为团队提供了一种创建视觉内容的简单方式，而且还可以促进协作和讨论。

该方案旨在为客户构建一个基于 AWS Global Accelerator (AGA) 的加速链路，并使用 Network Load Balancer (NLB) 作为回源目标的场景下，通过 AWS IP Range 提取 AGA 用来回源 NLB 的 IP 列表，构建 NLB 安全组所需的 AGA IP Prefix，限制 NLB 流量只来自于 AGA，减小攻击面，增强面向公网 NLB 的安全性。

使用 Amazon SES 以及 Serverless 快速上线营销邮件方案

以客户的实际场景出发，介绍了全语音智能问答在 Amazon 云上，通过 SageMaker 和 Bedrock 服务提供的能力进行落地的实践，本文中的示例脚本和代码，可以供感兴趣的小伙伴在类似的业务场景中，方便快捷地进行语音问答对话助手的集成实施和优化。

客户目前在其架构中使用 Nginx 作为反向代理，但希望将其迁移至 AWS 托管服务。他们的主要目标是利用 AWS 的功能来实现更高效的资源管理和更可靠的服务。其中一项需求是确保可以使用自定义域名来访问存储在 AWS S3 中的资源，而不直接暴露 S3 桶的地址给终端用户。这样做可以提高安全性并使管理更加方便。此外，客户还希望在遇到 S3 资源不存在、无法访问或权限问题时，不直接返回标准的 4XX 错误代码，而是返回自定义的状态码，以便在用户界面上提供更加友好和可控的体验。

Amazon CodeGuru Security 是一种静态应用程序安全测试（SAST）工具，它结合了机器学习（ML）和自动推理，可以识别代码中的漏洞，提供有关如何修复已发现漏洞的建议。 Amazon CodeGuru Security的高精度漏洞检测。Amazon CodeGuru 检测器检测代码中的安全漏洞，如注入漏洞、数据泄漏、弱加密等。