AWS Clean Rooms ML mendukung pelatihan dan inferensi model yang ditingkatkan privasi
Hari ini, AWS mengumumkan pemodelan kustom AWS Clean Rooms ML, yang memungkinkan organisasi menghasilkan wawasan prediktif dengan mitra mereka yang menjalankan model machine-learning (ML) mereka sendiri dan menggunakan data mereka dalam kolaborasi kamar bersih. Dengan peluncuran ini, perusahaan dan mitra mereka dapat melatih model ML dan menjalankan inferensi pada set data kolektif tanpa harus berbagi data sensitif atau model kepemilikan.
Misalnya, pengiklan dapat membawa model dan data kepemilikan mereka ke dalam kolaborasi Kamar Bersih, dan mengundang penerbit untuk bergabung dengan data mereka untuk melatih dan men-deploy model ML khusus yang membantu mereka meningkatkan efektivitas kampanye—semuanya tanpa membagikan model dan data kustom mereka satu sama lain. Demikian pula, lembaga keuangan dapat menggunakan catatan transaksi historis untuk melatih model ML khusus, dan mengundang mitra ke dalam kolaborasi Kamar Bersih untuk mendeteksi potensi transaksi penipuan, tanpa harus berbagi data dan model yang mendasarinya di antara kolaborator. Dengan pemodelan kustom AWS Clean Rooms ML, Anda dapat memperoleh wawasan berharga dengan partner Anda sambil menerapkan kontrol peningkatan privasi saat menjalankan pelatihan model dan inferensi dengan menentukan set data yang akan digunakan di lingkungan Kamar Bersih. Ini memungkinkan Anda dan mitra Anda untuk menyetujui set data yang digunakan, dan menghilangkan kebutuhan untuk berbagi data sensitif atau model kepemilikan satu sama lain. AWS Clean Rooms ML juga menawarkan kemampuan pemodelan lookalike yang ditulis AWS yang dapat membantu Anda meningkatkan akurasi segmen lookalike hingga 36% dibandingkan dengan garis dasar industri.
AWS Clean Rooms ML tersedia sebagai kemampuan AWS Clean Rooms di AWS Region ini. Untuk mempelajari selengkapnya, kunjungi AWS Clean Rooms ML.