Optimización de la Detección de Filtraciones de Datos con Amazon SageMaker y Modelos de IA Generativa
La protección de datos sensibles se ha convertido en un desafío crucial para las organizaciones que utilizan herramientas de inteligencia artificial generativa. En este contexto, Harmonic Security ha desarrollado una capa de gobernanza y control de IA que permite detectar datos sensibles en tiempo real, garantizando la seguridad de información crítica como datos personales identificables (PII), código fuente e información de nómina, mientras se acelera el uso de la IA en los negocios.
Desarrollo de la Solución de Detección de Filtraciones
El software de Harmonic Security, ahora disponible en el AWS Marketplace, ofrece visibilidad en el uso de IA generativa, entrenamiento en tiempo real en el punto de riesgo y detección de aplicaciones de IA de alto riesgo. La solución utiliza modelos optimizados, en colaboración con el AWS Generative AI Innovation Center, para lograr una detección de filtraciones de datos con latencias reducidas.
Los objetivos clave de la optimización incluyeron:
- Reducir la latencia de detección a menos de 500 milisegundos.
- Mantener la precisión en la detección de tipos de datos monitoreados.
- Apoyar la conformidad con la residencia de datos de la UE.
- Permitir una arquitectura escalable para cargas de producción.
Arquitectura de la Solución
La solución de Harmonic Security se basa en un modelo ModernBERT de 8 mil millones de parámetros. Este modelo, aunque efectivo en la identificación de datos sensibles, presentaba una latencia de 1 a 2 segundos. Para mejorar la experiencia del usuario, se desarrollaron dos enfoques de clasificación:
- Un modelo de clasificación binaria para detectar contenido crítico de fusiones y adquisiciones (M&A).
- Un modelo de clasificación multietiqueta para identificar múltiples tipos de datos sensibles en una sola pasada.
El uso de servicios clave como Amazon SageMaker, Amazon Bedrock y Amazon Nova Pro ha permitido una implementación eficiente y escalable de la detección de filtraciones de datos.
Generación de Datos Sintéticos
La escasez de datos de entrenamiento de alta calidad para información sensible llevó a la utilización de Amazon Nova Pro para generar datos sintéticos. Este proceso incluyó selección de ejemplos inteligentes y validación de relevancia utilizando modelos de lenguaje. La generación de datos aumentó significativamente el número de ejemplos de entrenamiento, mejorando así la precisión del modelo.
Optimización de Modelos y Rendimiento
La fine-tuning del modelo ModernBERT se realizó utilizando Amazon SageMaker, logrando una reducción de la latencia a menos de 500 milisegundos. Los resultados mostraron mejoras significativas en las métricas de rendimiento:
- Reducción de latencia: de 1-2 segundos a menos de 500 milisegundos.
- Aumento de capacidad de procesamiento: un 48%-640% más de capacidad con autoescalado.
- Mejoras en la precisión: +1,56% en la clasificación binaria.
Pruebas de Carga y Políticas de Autoescalado
Se realizaron pruebas de carga para validar el rendimiento y la capacidad de autoescalado de la solución. Los resultados permitieron establecer políticas de autoescalado eficaces que ajustan las instancias en función del tráfico, manteniendo la eficiencia de costos.
Conclusión
Harmonic Security, en colaboración con el AWS Generative AI Innovation Center, ha demostrado cómo se pueden optimizar sistemas de detección de filtraciones de datos utilizando modelos de IA generativa. Esta colaboración no solo mejora la seguridad de los datos, sino que también permite a las organizaciones adoptar herramientas de IA de manera segura y efectiva.
Para más información sobre cómo implementar soluciones de seguridad de IA en su organización, visite el AWS Marketplace.
Nota: Este contenido original ha sido modificado con IA y revisado por un especialista. Imagen generada por IA.
