AWS Identity and Access Management
PulseAugur coverage of AWS Identity and Access Management — every cluster mentioning AWS Identity and Access Management across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AWS自动管理Amazon Textract适配器生命周期
AWS推出了一种管理Amazon Textract适配器生命周期的新方法，这些适配器用于自定义从文档中提取数据。此自动化解决了在不同AWS账户中推广适配器、将文档路由到正确适配器以及确保生产级安全性的挑战。该解决方案利用AWS CloudFormation和Terraform等基础设施模板，以及AWS Systems Manager Parameter Store，以实现零停机更新并简化部署流程。
-
Amazon SageMaker Feature Store 通过 UpdateRecord API 实现特征级写入
Amazon SageMaker Feature Store 推出了 UpdateRecord API，支持对机器学习特征进行特征级写入。这项新功能允许用户修改记录中的特定特征值，而无需读取和重写整个数据集。UpdateRecord API 支持标准（由 DynamoDB 支持）和内存中（由 ElastiCache 支持）的在线存储层，旨在降低延迟、防止竞态条件并降低与先前完整记录写入方法相关的成本。
-
AWS 将 MLflow 与 SageMaker 集成，实现高级跨账户模型治理
AWS 增强了 MLflow 与 Amazon SageMaker AI Model Registry 之间的集成，实现了更强大的模型治理。本系列第二部分详细介绍了如何为大型组织实施跨账户同步，使用中心辐射型或混合型拓扑结构来分别维护开发和生产环境。这种高级设置允许集中治理，同时确保合规性和工作负载隔离，并为管理员和模型所有者提供了详细的工作流程。
-
AWS 支持使用 Cognito 身份验证安全地嵌入 Quick Sight 可视化
AWS 详细介绍了一种将单个 Amazon Quick Sight 可视化嵌入到 React 应用程序中的方法，该方法通过 Amazon Cognito 实现按用户进行身份验证。此方法允许对数据访问进行细粒度控制，确保用户只能看到与其角色相关的信息。该解决方案利用了包括 React、Amazon Cognito 用户池、API Gateway 和 AWS Lambda 在内的无服务器架构，为特定的图表和指标生成有时限的嵌入 URL，并…
-
ZS Associates通过安全的Amazon SageMaker平台增强临时分析能力
ZS Associates已开发出一个使用Amazon SageMaker的安全、临时分析平台，旨在平衡开发者的敏捷性与医疗保健等受监管行业严格的合规性要求。该平台服务于超过1000名日常用户，采用多租户架构，配备隔离的SageMaker域和三层IAM角色结构，以确保细粒度控制并遵守最小权限原则。通过集成互联网隔离模式、加密存储和实时软件包扫描等安全措施，ZS在保持强大的数据保护和运营效率的同时，成功实现了机器学习访问的民主化。
-
AWS Bedrock AgentCore 支持跨账户知识库访问
AWS 为 Amazon Bedrock AgentCore 推出了一项新功能，允许代理访问托管在不同 AWS 账户中的知识库。此功能解决了在无需复制敏感信息的情况下将 AI 代理与存储在不同账户中的数据集成的挑战。该解决方案提供了两种编排模型：基于代码的 Strands 代理和声明式的 AgentCore 框架，两者都利用 AWS Identity and Access Management (IAM) 来安全地、以最小权限访问 A…
-
AWS Bedrock 通过查询感知压缩降低 RAG 成本
AWS 推出了一种新方法，以降低 Amazon Bedrock 上检索增强生成 (RAG) 的相关成本。这种称为查询感知压缩的方法，涉及使用一个更小、成本更低的模型来过滤检索到的文本块，然后再将它们发送给主模型。通过减少主模型处理的输入 token 数量，该技术旨在降低运营费用，同时保持甚至提高答案质量并减少幻觉。该实现利用 AWS Lambda，并可与现有的 Amazon Bedrock 功能集成以进一步优化。
-
AWS Bedrock AgentCore Browser Tool 自动化遗留 Web 应用
AWS 推出了 Amazon Bedrock AgentCore Browser Tool，旨在帮助企业自动化传统 RPA 难以处理的遗留 Web 应用程序。该工具为 AI 代理提供了一个安全、托管的浏览器环境，用于与旧系统交互，解决了医疗保健、制造、零售和金融服务等行业中手动数据输入成本高昂的挑战。通过与 Strands Agents 和 Amazon Bedrock 基础模型集成，它能够在维护安全性和审计跟踪的同时，实现复杂的自动化工作流。
-
AWS 推出 Claude 应用网关，用于企业 Anthropic 模型管理
AWS 推出了新的网关解决方案，旨在帮助企业为其员工管理 Anthropic 的 Claude 模型。该网关提供对身份验证、模型访问、成本归属和支出强制执行的集中控制，从而减少运营开销并确保大规模的一致治理。该解决方案可在 AWS Fargate、EKS 或 EC2 上部署，并与 Amazon Bedrock 和 Claude Platform on AWS 等服务集成，支持包括 OIDC 身份提供商在内的多种身份验证方法。
-
AWS SageMaker AI Spaces 将 IDE 集成到 EKS 集群中
Amazon Web Services 为 Amazon EKS 推出了名为 SageMaker AI Spaces 的新附加组件。此功能允许数据科学家直接在其现有的 Amazon EKS 集群中运行交互式集成开发环境 (IDE)，例如 JupyterLab 和 Code Editor。以前，用户必须将工作流移出集群，从而失去对 GPU 节点和共享存储等关键资源的访问权限。SageMaker AI Spaces 附加组件简化了此过程，…
-
AWS Bedrock 为 Claude Code 实现单一区域数据驻留
Amazon Bedrock 现在支持 Claude Code 的严格单一区域数据驻留，允许组织在伦敦等特定 AWS 区域内处理模型推理。这可以通过两种主要方法实现：使用 Anthropic 的 Mantle 端点并设置特定区域的配置，或者结合使用经典的 Amazon Bedrock Invoke API、AWS Identity and Access Management (IAM) 区域条件以及自定义推理配置文件。虽然通常推荐跨区…
-
PDI Technologies 为 AWS 上的非技术应用创建构建代理式平台
PDI Technologies 开发了 PDI Brew，一个在 AWS 上的代理式平台，使非技术员工能够通过用简单的英语描述他们的需求来创建内部 Web 应用程序。该平台利用 Amazon Bedrock 和 AWS Lambda 在几秒钟内配置功能齐全、安全且受管制的应用程序，无需传统的开发流程。该系统允许这些应用程序通过受控网关集成生成式 AI 功能，确保维护安全防护和审计跟踪。
-
AWS 详解 AI 驱动的银行推荐系统及其可解释的洞察
AWS 详细介绍了一个专为银行业量身定制的可解释的“下一个最佳产品”推荐系统的架构。该系统利用 Amazon SageMaker AI 和 PyTorch 来预测客户最有可能需要的产品。它采用带有学习到的注意力机制的多塔神经网络来提高准确性并提供每个客户的可解释性，从而克服了传统推荐方法的局限性。
-
OpenAI 的 GPT-5.6 模型 Sol、Terra 和 Luna 在 Amazon Bedrock 上发布
OpenAI 的新款 GPT-5.6 模型 Sol、Terra 和 Luna 现已通过 Amazon Bedrock 提供。Sol 专为高级推理设计，Terra 在性能和成本之间提供平衡以供通用使用，Luna 则针对快速、低延迟推理进行了优化。这些模型集成了 AWS 安全功能和定价，允许开发者通过 OpenAI Responses API 使用它们，而无需管理自己的基础设施。
-
AWS 详解使用 Bedrock AgentCore 为餐厅构建 AI 语音订餐系统
AWS 详细介绍了如何使用 Amazon Bedrock AgentCore 和 Amazon Nova 2 Sonic 构建一个由 AI 驱动的餐厅语音订餐系统。该系统旨在处理因高峰时段常发生的漏接电话问题，通过自动化从问候到订单确认的整个流程。其架构将电话、代理和后端层分开，实现了灵活性和可扩展性，代理通过模型上下文协议与餐厅后端进行交互。
-
AWS Bedrock 为调试 AI 代理增加了可观测性
AWS 推出了 Amazon Bedrock AgentCore Observability，以帮助开发人员调试生产中的 AI 代理。此新功能通过指标、跟踪和结构化日志提供对代理执行的可见性，使用户能够查明无限循环或不正确的工具选择等故障。可观测性工具旨在超越简单地检测错误，而是理解代理行为问题的根本原因。
-
Amazon SageMaker AI 异步推理增加了内联负载支持
Amazon SageMaker AI 异步推理已推出对内联请求负载的支持，允许用户直接在 InvokeEndpointAsync API 请求体中发送推理数据。此更新消除了之前将小负载上传到 Amazon S3 的要求，简化了客户端代码，并通过消除一次网络往返来降低延迟。此新功能特别有利于输入尺寸较小（最多 128,000 字节）但处理时间比实时推理更长的负载。