近日，JFrog宣布实现JFrog Artifactory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Amazon SageMaker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。
JFrog与DataBricks的MLflow集成实现无缝机器学习生命周期
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。
本文属于原创文章，如若转载，请注明来源：JFrog与DataBricks的MLflow集成实现无缝机器学习生命周期https://bigdata.zol.com.cn/870/8702246.html
