팔로알토 네트웍스의 장치 보안팀은 아마존 베드락을 활용하여 자동 로그 분류 파이프라인을 개발하여 생산 문제의 조기 경고 신호를 감지하고 문제에 대응할 시간을 더 많이 확보했다. 이들은 Amazon Bedrock을 통해 자동으로 로그 데이터를 분류하고 분석하는 방법에 대해 논의하고, 이 자동화 파이프라인이 잠재적 문제를 탐지하는 방법과 솔루션 아키텍처, 구현 통찰력을 공유한다.
OpenSearch는 다양한 제3자 머신러닝(ML) 커넥터를 제공하여 이를 지원합니다. 이 포스트에서는 Amazon Comprehend 커넥터와 Amazon Bedrock 커넥터 두 가지를 소개합니다. Amazon Comprehend 커넥터를 사용하여 LangDetect API를 호출해 문서의 언어를 감지하는 방법과 Amazon Bedrock 커넥터를 사용하여 Amazon Titan Text Embeddings v2 모델을 호출하여 문서로부터 임베딩을 생성하고 의미 검색을 수행하는 방법을 보여줍니다.
이 글에서는 Amazon Bedrock를 통해 Amazon Titan Multimodal Embeddings G1 모델의 멀티모달 임베딩을 이용한 OpenSearch Service를 구축하는 방법을 안내합니다. 이 솔루션은 사용자가 텍스트와 이미지를 모두 쿼리로 제출하여 샘플 소매 이미지 데이터셋에서 관련 결과를 검색할 수 있는 방법을 보여줍니다.
이 솔루션은 생성적 AI와 대형 언어 모델을 사용하여 컴퓨터 비전 애플리케이션을 구축하는 데 필요한 시간 소모적이고 노동 집약적인 작업을 완화하는 방법을 제시하며, AWS 서비스를 사용하여 자산 라벨을 즉시 촬영하고 필요한 정보를 추출하여 인벤토리를 업데이트할 수 있게 합니다.
