详细内容或原文请订阅后点击阅览

使用AWS无服务器数据湖构建安全的破布应用程序

2025年7月14日 16:51 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们探讨了如何使用无服务器数据湖体系结构构建安全的RAG应用程序，这是支持生成AI开发的重要数据策略。我们使用亚马逊Web服务（AWS）服务，包括Amazon S3，Amazon DynamoDB，AWS Lambda和Amazon Bedrock知识库来创建一个全面的解决方案，以支持可以扩展到结构化数据的非结构化数据资产。该帖子涵盖了如何为您的企业数据实施细粒度的访问控件，并设计元数据驱动的检索系统，以尊重安全边界。这些方法将帮助您最大程度地提高组织数据的价值，同时保持强大的安全性和合规性。

来源:亚马逊云科技 _机器学习
数据是您的生成AI差异化因素，成功的生成AI实现取决于结合全面数据治理方法的强大数据策略。传统的数据体系结构通常难以满足生成物（例如应用程序）的独特需求。一种有效的生成AI数据策略需要几个关键组件，例如各种数据源的无缝集成，实时处理能力，维持数据质量和合规性的全面数据治理框架以及尊重组织边界的安全访问模式。特别是，检索增强发电（RAG）应用已成为该领域最有希望的发展之一。抹布是优化基础模型（FM）输出的过程，因此在产生响应之前，它在其培训数据源之外引用了知识库。这样的系统需要安全，可扩展和灵活的数据摄入和访问模式才能企业数据。在本文中，我们探索了如何使用无服务器数据湖体系结构构建安全的抹布应用程序，这是支持生成AI开发的重要数据策略。我们使用亚马逊Web服务（AWS）服务，包括Amazon S3，Amazon DynamoDB，AWS Lambda和Amazon Bedrock知识库来创建一个全面的解决方案，以支持可以扩展到结构化数据的非结构化数据资产。该帖子涵盖了如何为您的企业数据实施细粒度的访问控件，并设计元数据驱动的检索系统，以尊重安全边界。这些方法将帮助您最大程度地提高组织数据的价值，同时保持强大的安全性和合规性。使用案例概述一个示例，考虑一个基于抹布的生成AI应用程序。下图显示了使用用户提示开始的典型对话工作流程，例如，零售公司的操作专家查询内部知识以获取采购和
开始的 应用程序 边界的 AWS 抹布 细粒度 驱动的 灵活的 数据 安全的 质量 使用 输出的 知识库 生成物 数据体 全面的 访问 传统的 Amazon 实时处理 有效的 希望的 生成 合规性 AI 强大的 策略 体系结构 数据源 服务器 数据驱动 使用案例 例如 产生 提高 安全性