JFrog、MLflow統合によりMLモデル管理を強化

JFrog Software Supply Chain Platformで知られるリキッドソフトウェア社のJFrogは、JFrog ArtifactoryとDatabricksが開発したオープンソースプラットフォームであるMLflowの統合により、機械学習（ML）の分野で大きな前進を発表した。この統合により、MLライフサイクルが合理化され、開発者とデータサイエンティストにMLモデルを管理するための堅牢なソリューションが提供される。MLflowを組み込むことで、JFrogは業界の重大な課題である、展開時のMLモデルの高い失敗率に対処する。新しいパートナーシップは、プロセスを簡素化し、MLモデルを既存の運用に簡単に統合できるようにすることを目的としている。

この統合は、実験段階から本番環境に至るまで、MLモデルのエンドツーエンドの可視性、自動化、制御、追跡可能性を提供するように設計されている。これは、他のソフトウェアパッケージと同じレベルの信頼性とセキュリティーを備えたモデルの管理を可能にするため、AIおよび生成AI搭載アプリケーションの拡張を検討している組織にとって重要な開発だ。JFrogのCTOであるYoav Landman氏は、全てのバイナリーに対するユニバーサルでスケーラブルな記録システムの重要性を強調したが、これはMLflowとの統合によって実現される。このシステムにより、各モデルが不変かつ追跡可能であることが保証される。これは、MLモデルのセキュリティーと出所を検証し、責任あるAIプラクティスを実現するために不可欠だ。

この統合により、JFrogはMLOps分野のリーダーとしての地位をさらに強固なものにし、全てのモデルに単一の真実のソースを提供する。市場の主要なMLツールと連携できるJFrog ArtifactoryとMLflowにより、MLエンジニアと開発者は好みのツールスタックを使用でき、Artifactoryがモデルレジストリーとして機能する。このプラットフォームのスケーラビリティーは、Hugging Faceのネイティブプロキシーによっても強調され、開発者はセキュリティーとコンプライアンスを確保しながらオープンソースモデルにアクセスできる。JFrogプラットフォームのセキュリティー機能とスキャナーは、Hugging Faceにアップロードされた全ての新しいモデルを厳密に検査することで、リスクのないMLアプリケーションを維持する上で重要な役割を果たす。

このようなセキュリティー対策の必要性は、JFrogセキュリティーリサーチチームが公開されているHugging Face AIリポジトリーで悪意のあるAI MLモデルを発見したことで注目された。この事件により、AI搭載システムに伴う潜在的なリスクと、常にセキュリティーに警戒することの重要性が明らかになった。JFrog ArtifactoryとMLflowの統合は、このニーズに応えるものであり、ユーザーはセキュリティー、ガバナンス、バージョン管理、信頼性を強化したモデルを構築、トレーニング、デプロイできる。

出典：JFrog