Analyzing evolution of the PipeMagic malware
黑客利用了Windows缺陷CVE-2025-29824在Ransomexx攻击中部署管道恶意软件。来自Kasperskyandbi的联合报告将管道恶意软件从2022年的首次检测到2025年观察到的新感染。研究人员确定了其操作员策略的关键变化。 Bi.Zone专家专注于CVE-2025-29824漏洞的技术分析[…]
Governing the ML lifecycle at scale, Part 4: Scaling MLOps with security and governance controls
这篇文章提供了设置多账户 ML 平台关键组件的详细步骤。这包括配置 ML 共享服务账户，该账户管理中央模板、模型注册表和部署管道；从中央服务目录共享 ML Admin 和 SageMaker 项目组合；以及设置单独的 ML 开发账户，数据科学家可以在其中构建和训练模型。
Platform Engineering: Accelerating Development and Deployment
软件开发领域正在迅速发展，对速度、质量和效率的要求达到前所未有的水平。为了跟上步伐，组织正在转向平台工程。这种创新方法通过提供自助服务平台来增强开发团队的能力，该平台可自动化和简化基础设施配置、部署管道和安全性。通过弥合开发和运营之间的差距，平台工程[…]平台工程：加速开发和部署首先出现在 Mantra Labs 上。
Azure DevOps Security Best Practices
Microsoft 的云服务 Azure DevOps 为软件开发项目从头到尾的团队合作提供了坚实的基础。安全性是当今软件开发环境中不可或缺的重要组成部分。随着公司采用 DevOps 来提高灵活性和效率，保护开发和部署管道比以往任何时候都更加重要。但是，拥有 […]
The Weather Company enhances MLOps with Amazon SageMaker, AWS CloudFormation, and Amazon CloudWatch
在本文中，我们分享了 The Weather Company (TWCo) 如何使用 Amazon SageMaker、AWS CloudFormation 和 Amazon CloudWatch 等服务增强其 MLOps 平台的故事。TWCo 数据科学家和 ML 工程师利用自动化、详细的实验跟踪、集成训练和部署管道来帮助有效扩展 MLOps。TWCo 将基础设施管理时间缩短了 90%，同时还将模型部署时间缩短了 20%。
