HUMAN Security beschleunigt das ML-Training und die Markteinführungszeit mit Amazon SageMaker

HUMAN Security verwendet eine moderne Verteidigungsstrategie, die Störungen, Netzwerkeffekte und Internetsichtbarkeit umfasst, um die Wirtschaftlichkeit der Cyberkriminalität auf den Kopf zu stellen. Es hilft Unternehmen aus allen Branchen, die Sicherheit ihrer digitalen Präsenz zu erhöhen, indem es eine breite Palette von Cybersicherheitslösungen anbietet, mit denen Unternehmen ihre digitalen Vermögenswerte vor Betrug und Online-Bots schützen können, die Menschen nachahmen. Für digitale Werbetreibende hat das Unternehmen MediaGuard entwickelt, eine werbetechnische Lösung, die ML in der Human Defense-Plattform verwendet, um die Gültigkeit von Online-Werbeimpressionen nahezu in Echtzeit über alle digitalen Kanäle und Formate vorherzusagen.

Da Online-Bots immer ausgefeilter werden, hält HUMAN Security strenge Latenz- und Genauigkeitsanforderungen für MediaGuard ein, und sein Ingenieurteam iteriert kontinuierlich neue ML-Modelle, um die Leistung zu verbessern. Als HUMAN Security diese Lösung einführte, war das Training der ML-Modelle jedoch vollständig manuell und beinhaltete das Ausführen einer Reihe von Skripten sowie das Kopieren und Einfügen verschiedener Konfigurationen. In vielen Fällen benötigte HUMAN Security Wochen, um neue ML-Modelle einzusetzen. „Wir wollten menschliche Zeit sparen“, sagt Austin Leirvik, angestellter Datenwissenschaftler bei HUMAN Security. „Wir wollten eine komplette Datenpipeline einrichten, die die Datenaufbereitung, Datenextraktion, Modelltraining und Offline-Modellauswertung auf Knopfdruck erledigt.“

Seit seiner Gründung im Jahr 2012 vertraut HUMAN Security bei Cloud-Lösungen auf AWS und beauftragte 2020 das AWS-Team, um seine ML-Fähigkeiten zu erweitern. „Wir haben uns alle zwei Wochen zusammengesetzt, um an diesem Projekt zu arbeiten“, sagt Leirvik. „Wir erhielten viel Feedback dazu, wie wir unser Modelltraining automatisieren könnten, und wir sahen in SageMaker ein Tool, mit dem wir die Probleme lösen konnten, mit denen wir konfrontiert waren.“

HUMAN Security engagierte das AWS-Team, nahm aber auch an mehreren Schulungsmöglichkeiten von AWS teil, darunter die AWS Partner Network Immersion Days, bei denen es sich um Kundenworkshops handelt, die von AWS-Partnern abgehalten werden. Diese Trainingsmöglichkeiten halfen HUMAN Security, seine Mitarbeiter weiterzubilden und ein tieferes Verständnis des Lebenszyklus des ML-Modells zu erlangen. HUMAN Security entschied sich auch für Snowflake Data Cloud, eine Lösung für Data Warehousing, Data Lakes, Data Engineering, Datenwissenschaft, Entwicklung von Datenanwendungen und Datenaustausch von Snowflake, einem AWS-Partner. Das Unternehmen verwendet diese Lösung, um seine Datentabellen in großem Maßstab zu verarbeiten und zu speichern. „Für einen typischen Modelltrainingslauf arbeiten wir mit rund 50 Millionen Datenpunkten“, sagt Leirvik. „Da wir unsere Offline-Auswertung an einem größeren Datensatz vornehmen können, haben wir ein viel größeres Bild des langfristigen Ergebnisses, was wirklich schön ist.“

Das Unternehmen begann auch, AWS Glue zu nutzen, einen einfachen, skalierbaren und serverlosen Datenintegrationsservice. HUMAN Security verwendet AWS Glue für seine Extraktionsaufgaben und zur Vorbereitung seiner Daten für Abfragen. Nachdem die Daten vorbereitet wurden, verwendet HUMAN Security SageMaker, um neue ML-Modelle zu erstellen, zu trainieren und bereitzustellen. „Durch den Einsatz von Amazon SageMaker haben wir den Zeitaufwand für das Training von ML-Modellen erheblich reduziert“, sagt Leirvik. „Wir haben eine vollständige Rückverfolgbarkeit und Reproduzierbarkeit für alle unsere Modelle.“ Bisher konnte HUMAN Security mehrere Wochen in Anspruch nehmen, um ein neues ML-Modell zu trainieren. Jetzt kann das Unternehmen innerhalb weniger Stunden ein neues ML-Modell erstellen, trainieren und bereitstellen.

Darüber hinaus führt HUMAN Security seine Workloads mithilfe von Amazon Elastic Compute Cloud (Amazon EC2) M5-Instances aus, die ausgewogene Rechen-, Speicher- und Netzwerkressourcen für allgemeine Workloads bieten. Seit der Umstellung auf diesen Amazon-EC2-Instance-Typ hat das Unternehmen seine Kosteneinsparungen um 15 Prozent erhöht und kann die Nachfrage schnell skalieren. Diese Skalierbarkeit hilft HUMAN Security, seine ML-Modelle zu nutzen, um die Menschlichkeit von 15 Billionen Online-Interaktionen pro Woche zu validieren. „Wir waren mit der Skalierbarkeit und Zuverlässigkeit der Amazon-EC2-M5-Instances sehr zufrieden“, sagt Leirvik. „Wir konnten die Datenmenge, mit der wir arbeiten, um das Fünffache erhöhen.“

Um eine vollständige Automatisierung zu erreichen, richtete HUMAN Security schrittweise Funktionen für alle seine AWS-Lösungen ein, indem es mithilfe von Amazon States Language eine Reihe von Konfigurationsdateien definierte und diese Dateien zusammen mit dem Rest seiner ML-Codebasis zu seinem Repository hinzufügte. Jedes Mal, wenn eine Änderung an seiner Codebasis vorgenommen wird, stellt das Unternehmen diese Schrittfunktionen automatisch erneut bereit, wodurch die Komplexität seiner Arbeitsabläufe reduziert wurde. Diese Automatisierung hat dem Unternehmen geholfen, seine Markteinführungszeit zu verkürzen und seine Geschäftsflexibilität zu verbessern. Aufgrund der zusätzlichen Zeitersparnis hat HUMAN Security seine Bemühungen erneut auf die Veröffentlichung neuer prädiktiver Funktionen für MediaGuard konzentriert. „Mit AWS haben wir die Anzahl unserer Bereitstellungen im Vergleich zu unserem vorherigen Prozess verdreifacht“, sagt Leirvik. „Jetzt können wir schneller reagieren, wenn wir feststellen, dass ein Leistungsproblem auftritt.“

HUMAN Security plant, die Erkenntnisse aus diesem Projekt auf andere ML-Modelle anzuwenden, die es in der Produktion hat. Es wird auch weiterhin AWS-Services für eine Vielzahl von Anwendungsfällen im gesamten Unternehmen nutzen. „Die Zusammenarbeit mit dem AWS-Team war eine sehr positive Erfahrung“, sagt Leirvik. „Das AWS-Team hat uns geholfen, das Problem, mit dem wir konfrontiert waren, auf eine neue Art zu betrachten, und hat uns auf dem Laufenden gehalten, damit wir erfolgreich sein konnten.“