ฟีเจอร์ของ AWS Clean Room

สร้าง Clean Room ได้ภายในไม่กี่นาที ทำงานร่วมกับพันธมิตรของคุณโดยไม่ต้องเปิดเผยข้อมูลดิบ

ทำไมต้องใช้ AWS Clean Rooms

AWS Clean Rooms ช่วยให้คุณและพาร์ทเนอร์สามารถวิเคราะห์และทำงานร่วมกันในชุดข้อมูลรวมได้ง่ายยิ่งขึ้นเพื่อรับข้อมูลเชิงลึกโดยไม่ต้องมีการเปิดเผยข้อมูลพื้นฐานให้กันและกันทราบ คุณสามารถใช้ AWS Clean Rooms เพื่อสร้างพื้นที่ปลอดภัยของตัวเองได้ในไม่กี่นาที และเริ่มวิเคราะห์ชุดข้อมูลร่วมของตนได้ในแค่ไม่กี่ขั้นตอน ด้วย AWS Clean Rooms คุณสามารถเชิญลูกค้า AWS ที่คุณต้องการร่วมงานด้วย เลือกชุดข้อมูล และกําหนดค่าข้อจํากัดสําหรับผู้เข้าร่วมได้ ด้วย AWS Clean Rooms คุณจะสามารถทำงานร่วมกับบริษัทหลายแสนแห่งที่ใช้ AWS อยู่แล้วได้ โดยไม่จำเป็นต้องรักษาสำเนาข้อมูลของคุณไว้นอกสภาพแวดล้อม AWS หรือโหลดลงในแพลตฟอร์มอื่น

Shot of a young businesswoman working on a computer in an office. Portrait of an successful young creative businesswoman using PC at her workplace in the modern office

สร้างพื้นที่ปลอดภัยของคุณเอง เพิ่มผู้เข้าร่วม และเริ่มทำงานร่วมกันได้ในไม่กี่ขั้นตอน

AWS Clean Rooms ช่วยให้คุณปรับใช้พื้นที่ปลอดภัยของตนเองได้อย่างรวดเร็วและง่ายดายโดยไม่ต้องสร้าง จัดการ และบำรุงรักษาโซลูชันของคุณเอง บริษัทต่าง ๆ ยังสามารถใช้ API เพื่อผสานฟังก์ชันการทำงานของ AWS Clean Rooms เข้ากับเวิร์กโฟลว์ของตนอีกด้วย

ทำงานร่วมกับบริษัทหลายแสนแห่งบน AWS โดยไม่ต้องแชร์หรือเปิดเผยข้อมูลพื้นฐาน

AWS Clean Rooms ช่วยให้สร้างข้อมูลเชิงลึกจากข้อมูลของหลายฝ่ายได้อย่างรวดเร็วและง่ายดายโดยมีการเคลื่อนย้ายข้อมูลน้อยที่สุดและไม่ต้องมีการคัดลอกหรือเปิดเผยข้อมูลพื้นฐาน คุณสามารถให้สิทธิ์ข้อมูลของคุณได้โดยตรงใน Amazon Simple Storage Service (Amazon S3) จับคู่ข้อมูลโดยใข้ชุดข้อมูลบุคคลที่หนึ่งและบุคคลที่สาม และเริ่มทำงานร่วมกับพาร์ทเนอร์ของคุณหรือลูกค้า AWS หลายแสนรายที่สร้าง Data Lake บน Amazon S3 ได้อย่างรวดเร็ว

hand together creative agency business brain storm meeting presentation Team discussing roadmap to product launch, presentation, planning, strategy, new business development
Cybersecurity and privacy concepts to protect data. Lock icon and internet network security technology. Businessmen protecting personal data on laptop and virtual interfaces.

ปกป้องข้อมูลที่ซ่อนอยู่ด้วยชุดการควบคุมเพิ่มความเป็นส่วนตัวที่หลากหลายสำหรับพื้นที่ปลอดภัย

AWS Clean Rooms รองรับนโยบายการจัดการข้อมูลที่เข้มงวดผ่านความสามารถในการเพิ่มความเป็นส่วนตัวที่หลากหลาย ซึ่งรวมถึงกฎการวิเคราะห์อย่างละเอียด, AWS Clean Rooms Differential Privacy และการประมวลผลการเข้ารหัส และคุณสามารถใช้ข้อมูลบันทึกการสืบค้นเพื่อทำความเข้าใจและตรวจสอบว่าข้อมูลของคุณถูกสืบค้นอย่างไร

ใช้เทคนิคการจับคู่ความละเอียดของหน่วยงาน กฎการวิเคราะห์ SQL ที่ยืดหยุ่น และ ML ที่เพิ่มความเป็นส่วนตัวเพื่อตอบสนองความต้องการทางธุรกิจของคุณ

สร้างข้อมูลเชิงลึกโดยใช้ AWS Entity Resolution ใน AWS Clean Rooms การวิเคราะห์ SQL หรือการสร้างโมเดล AWS Clean Rooms ML คุณและผู้ทำงานร่วมกันของคุณสามารถเตรียม จับคู่ และแก้ไขบันทึกที่เกี่ยวข้องในชุดข้อมูลรวม คุณสามารถใช้การรวม รายการ และแบบสอบถาม SQL ที่กำหนดเอง หรือใช้ประโยชน์จากเครื่องมือสร้างการวิเคราะห์เพื่อปลดล็อกข้อมูลเชิงลึกโดยไม่ต้องเขียน SQL และคุณสามารถใช้แมชชีนเลิร์นนิง (ML) เพื่อสร้างข้อมูลเชิงลึกที่คาดการณ์ได้โดยไม่ต้องแบ่งปันข้อมูลดิบของคุณ

Programer sitting on desk discussing with mixed team of software developers about artificial intelligence

หลายฝ่าย

ด้วย AWS Clean Rooms คุณสามารถวิเคราะห์ข้อมูลกับฝ่ายอื่นได้หลายฝ่ายในการทํางานร่วมกันเพียงครั้งเดียว สมาชิกที่ทํางานร่วมกันแต่ละคนจะเก็บข้อมูลไว้ในบัญชีของตนเอง คุณสามารถสร้างข้อมูลเชิงลึกจากข้อมูลรวมของคุณและพาร์ทเนอร์ได้อย่างปลอดภัยโดยไม่ต้องเขียนโค้ด คุณสามารถสร้างพื้นที่ปลอดภัย เชิญบริษัทที่คุณต้องการทํางานร่วมกัน และเลือกผู้เข้าร่วมที่สามารถเรียกใช้การวิเคราะห์ SQL หรือสร้างข้อมูลเชิงลึกเชิงคาดการณ์ด้วย AWS Clean Rooms ML ภายในการทํางานร่วมกัน

ไม่จําเป็นต้องรักษาสําเนาข้อมูลของคุณ

ด้วย AWS Clean Rooms คุณจะสามารถทำงานร่วมกับบริษัทหลายแสนแห่งที่ใช้ AWS อยู่แล้วได้อย่างง่ายดาย โดยไม่จำเป็นต้องเก็บรักษาสำเนาข้อมูลของคุณเอาไว้นอกสภาพแวดล้อม AWS หรือโหลดลงในแพลตฟอร์มอื่น เมื่อคุณสร้างหรือเข้าร่วมการทำงานร่วมกัน คุณสามารถกำหนดค่าตารางข้อมูลของคุณจากแค็ตตาล็อกข้อมูลของ AWS Glue เมื่อคุณเรียกใช้การจับคู่บันทึก สืบค้น ฝึกโมเดล ML หรือสร้างข้อมูลเชิงลึกเชิงคาดการณ์ AWS Clean Rooms จะอ่านข้อมูลจากที่ที่มันอยู่ เมื่อคุณใช้ AWS Entity Resolution บน AWS Clean Rooms ข้อมูลพื้นฐานที่ใช้ในการกำหนดค่าชุดข้อมูลที่ทำแผนที่ระหว่างตัวระบุผู้ทำงานร่วมกันหลายรายจะไม่ถูกแชร์หรือเปิดเผยระหว่างผู้ทำงานร่วมกัน เมื่อคุณใช้การวิเคราะห์การสืบค้น SQL คุณสามารถระบุกฎต่างๆ และข้อจํากัดของการสืบค้น SQL ที่อนุญาตในข้อมูลของคุณ ซึ่งจะถูกนําไปใช้โดยอัตโนมัติเพื่อปกป้องข้อมูลพื้นฐานของผู้เข้าร่วมแต่ละคน ตัวอย่างเช่น คุณสามารถกําหนดค่าข้อจํากัดของเอาต์พุต เช่น เกณฑ์การผสานรวมขั้นต่ำ เมื่อคุณใช้ AWS Clean Rooms ML ข้อมูลพื้นฐานที่ใช้ในการฝึกโมเดลหรือสร้างเซ็กเมนต์ที่คล้ายกันจะไม่ถูกแชร์หรือเปิดเผยระหว่างผู้ทํางานร่วมกัน หรือใช้โดย AWS เพื่อฝึกโมเดล

การเข้าถึงด้วยโปรแกรมเต็มรูปแบบ

นอกเหนือจากคอนโซลการจัดการของ AWS แล้ว ฟังก์ชัน AWS Clean Rooms ทั้งหมดยังสามารถเข้าถึงได้ด้วย API คุณจะสามารถใช้ AWS SDK หรืออินเทอร์เฟซบรรทัดคำสั่ง (CLI) เพื่อทำให้การดำเนินการของ AWS Clean Rooms เป็นแบบอัตโนมัติ รวมฟังก์ชันการทำงานของ AWS Clean Rooms ภายในเวิร์กโฟลว์และผลิตภัณฑ์ที่มีอยู่ หรือสร้างข้อเสนอด้านพื้นที่ปลอดภัยในเวอร์ชันของคุณเองให้ลูกค้า

AWS Entity Resolution บน AWS Clean Rooms

ด้วย AWS Entity Resolution บน AWS Clean Rooms คุณและผู้ทำงานร่วมงานของคุณสามารถเตรียมและจับคู่บันทึกของลูกค้าที่เกี่ยวข้องได้ง่ายขึ้นภายในการทำงานร่วมกันของ AWS Clean Rooms ที่ได้รับการปรับปรุงความเป็นส่วนตัว การใช้เทคนิคการจับคู่ตามกฎหรือตามผู้ให้บริการข้อมูล คุณสามารถปรับปรุงการจับคู่ข้อมูลสำหรับกรณีการใช้งาน เช่น การวางแผนแคมเปญโฆษณา การกำหนดเป้าหมาย และการวัด คุณสามารถใช้ตรรกะการจับคู่ที่กำหนดค่าได้หรือชุดข้อมูลและ ID จากผู้ให้บริการข้อมูลที่เชื่อถือได้ เช่น LiveRamp เพื่อเชื่อมต่อระเบียนระหว่างอุปกรณ์ แพลตฟอร์ม และช่อง

SQL ที่ยืดหยุ่น

กฎการวิเคราะห์เป็นข้อจํากัดที่ให้คุณมีวิธีควบคุมแบบในตัวเพื่อควบคุมวิธีการวิเคราะห์ข้อมูลของคุณได้ สมาชิกที่ทำงานร่วมกันที่สร้างหรือเข้าร่วมการทำงานร่วมกันในฐานะผู้เรียกใช้การสืบค้นข้อมูลที่กำหนดจะสามารถเขียนการสืบค้นเพื่อค้นหาและวิเคราะห์ตารางข้อมูลของคุณตามกฎการวิเคราะห์ที่คุณตั้งไว้ AWS Clean Rooms รองรับกฎการวิเคราะห์สามประเภท ได้แก่ การรวม รายการ และแบบกําหนดเอง

กฎการวิเคราะห์การรวม: กฎการวิเคราะห์การรวมช่วยให้คุณสามารถเรียกใช้การสืบค้นที่สร้างสถิติรวม เช่น ขนาดของจุดตัดของชุดข้อมูลสองชุด เมื่อใช้กฎการวิเคราะห์การรวม คุณสามารถบังคับให้ใช้ได้เฉพาะการสืบค้นแบบรวมเท่านั้นที่สามารถเรียกใช้กับข้อมูลของคุณได้ และบังคับใช้ข้อจำกัดกับบางส่วนของการสืบค้นที่เรียกใช้ เช่น คอลัมน์ใดที่ต้องใช้เฉพาะในการจับคู่แบบปกปิดข้อมูล และคอลัมน์ใดที่สามารถใช้ได้ในการรวม เช่น ผลรวม จำนวน หรือค่าเฉลี่ย นอกจากนี้ คุณยังควบคุมข้อจํากัดการรวมขั้นต่ำในผลลัพธ์ได้อีกด้วย  คุณยังสามารถตั้งค่าข้อจํากัดการผสานรวมขั้นต่ำที่อนุญาตให้คุณกําหนดเงื่อนไขสําหรับการส่งคืนแถวเอาต์พุต ข้อจำกัดเหล่านี้อยู่ในรูปแบบของ COUNT DISTINCT (คอลัมน์) >= เกณฑ์ ถ้าแถวเอาต์พุตในผลการสืบค้นไม่ตรงตามข้อจํากัดใดๆ แถวเอาต์พุตนั้นจะถูกลบออกสําหรับชุดผลลัพธ์นั้น วิธีนี้ช่วยให้คุณมั่นใจได้ว่าเกณฑ์การรวมขั้นต่ำจะถูกบังคับใช้โดยอัตโนมัติในขณะที่ให้ความยืดหยุ่นแก่ผู้ทํางานด้านข้อมูลร่วมกันที่สามารถเขียนการสืบค้นตามแบบที่พวกเขาต้องการได้

กฎการวิเคราะห์รายการ: กฎการวิเคราะห์รายการช่วยให้คุณสามารถเรียกใช้การสืบค้นที่แยกรายการระดับแถวของจุดตัดของชุดข้อมูลหลายชุด เช่น การทับซ้อนกันของชุดข้อมูลสองชุด เมื่อใช้กฎการวิเคราะห์รายการ คุณสามารถบังคับให้ใช้ได้เฉพาะการสืบค้นรายการเท่านั้นที่สามารถเรียกใช้กับข้อมูลของคุณได้ และบังคับใช้ข้อจำกัดของการสืบค้นที่เรียกใช้ เช่น คอลัมน์ใดที่ต้องใช้เฉพาะในการจับคู่แบบปกปิดข้อมูล และคอลัมน์ใดที่สามารถส่งออกเป็นรายการในผลลัพธ์ได้

กฎการวิเคราะห์แบบกําหนดเอง: กฎการวิเคราะห์แบบกําหนดเองช่วยให้คุณสามารถสร้างการสืบค้นแบบกําหนดเองโดยใช้ ANSI-standard SQL ส่วนใหญ่ เช่น นิพจน์ตารางทั่วไป (CTE) และฟังก์ชันหน้าต่าง คุณยังสามารถตรวจสอบและอนุญาตการสืบค้นก่อนที่พาร์ทเนอร์ที่ทํางานร่วมกันจะเรียกใช้ และตรวจสอบการสืบค้นก่อนของผู้ทํางานร่วมกันคนอื่นๆ ก่อนที่จะได้รับอนุญาตให้ทํางานบนตารางของคุณ เมื่อใช้กฎการวิเคราะห์แบบกําหนดเอง คุณสามารถใช้การควบคุมในตัวเพื่อกําหนดหรือจํากัดวิธีการวิเคราะห์ข้อมูลพื้นฐานของคุณล่วงหน้า แทนที่จะต้องพึ่งพาข้อมูลบันทึกการสืบค้นหลังจากที่วิเคราะห์เสร็จแล้ว เมื่อคุณใช้การสืบค้น SQL แบบกำหนดเอง คุณยังสามารถสร้างหรือใช้เทมเพลตการวิเคราะห์เพื่อจัดเก็บการสืบค้นแบบกำหนดเองพร้อมพารามิเตอร์ในการทำงานร่วมกันได้ วิธีนี้ทําให้ลูกค้าสามารถช่วยเหลือซึ่งกันและกันในการทํางานร่วมกันได้ง่ายขึ้น ตัวอย่างเช่น สมาชิกที่มีประสบการณ์ SQL สูงกว่าสามารถสร้างเทมเพลตเพื่อให้สมาชิกคนอื่นตรวจสอบและอาจเรียกใช้ได้ นอกจากนี้ ยังอํานวยความสะดวกในการวิเคราะห์ที่นํากลับมาใช้ใหม่ได้ในการทํางานร่วมกันอีกด้วย คุณยังสามารถใช้ AWS Clean Rooms Differential Privacy ได้โดยเลือกกฎการวิเคราะห์แบบกําหนดเอง แล้วกําหนดค่าพารามิเตอร์ความเป็นส่วนตัวที่แตกต่างกันของคุณ

Differential Privacy

AWS Clean Rooms Differential Privacy ช่วยคุณปกป้องความเป็นส่วนตัวของผู้ใช้ด้วยการควบคุมที่ได้รับการสนับสนุนทางคณิตศาสตร์และใช้งานง่ายในไม่กี่คลิก Differential Privacy เป็นคำจำกัดความทางคณิตศาสตร์ที่เข้มงวดสำหรับการปกป้องความเป็นส่วนตัวของข้อมูล อย่างไรก็ตามการกำหนดค่าเทคนิคนี้มีความซับซ้อนและต้องใช้ความเข้าใจเชิงลึกเกี่ยวกับทฤษฎีและสูตรทางคณิตศาสตร์ที่เข้มงวดเพื่อนำไปใช้ได้อย่างมีประสิทธิภาพ AWS Clean Rooms Differential Privacy เป็นความสามารถที่ใช้งานง่ายและมีการจัดการเต็มรูปแบบของ AWS Clean Rooms ซึ่งช่วยคุณป้องกันการระบุผู้ใช้ของคุณใหม่ คุณไม่จําเป็นต้องมีประสบการณ์ด้านความเป็นส่วนตัวที่แตกต่างกันมาก่อนเพื่อใช้ความสามารถนี้ AWS Clean Rooms Differential Privacy ทําให้การมีส่วนร่วมของข้อมูลของบุคคลใดๆ จากเอาต์พุตรวมการทํางานร่วมกันใน AWS Clean Rooms สับสน และช่วยให้คุณสามารถเรียกใช้การสืบค้น SQL ที่หลากหลายเพื่อปลดล็อกข้อมูลเชิงลึกเกี่ยวกับแคมเปญโฆษณา การตัดสินใจลงทุน การวิจัยทางคลินิก และอื่นๆ คุณสามารถตั้งค่า AWS Clean Rooms Differential Privacy ได้โดยใช้กฎการวิเคราะห์แบบกําหนดเองในการทํางานร่วมกันของ AWS Clean Rooms จากนั้นคุณสามารถกําหนดค่า AWS Clean Rooms Differential Privacy ด้วยการควบคุมที่ยืดหยุ่นสําหรับกรณีการใช้งานทางธุรกิจเฉพาะของคุณ และสามารถนําไปใช้ได้ในไม่กี่ขั้นตอน AWS Clean Rooms Differential Privacy ช่วยให้คุณเปิดใช้งาน Differential Privacy ในการทํางานร่วมกันของ AWS Clean Rooms ได้ง่ายขึ้นด้วยตัวเลือกง่ายๆ สองสามข้อ ทั้งหมดนี้ไม่จําเป็นต้องมีความเชี่ยวชาญหรือการตั้งค่าเพิ่มเติมจากพาร์ทเนอร์ของคุณ

บทบาทที่กําหนดค่าได้

เมื่อคุณตั้งค่าการทํางานร่วมกันใน AWS Clean Rooms คุณสามารถระบุความสามารถที่แตกต่างกันสําหรับสมาชิกการทํางานร่วมกันแต่ละคนเพื่อให้เหมาะกับกรณีการใช้งานการสืบค้น SQL เฉพาะของคุณ ตัวอย่างเช่น ถ้าคุณต้องการให้เอาต์พุตการสืบค้นไปยังสมาชิกอื่น คุณสามารถกําหนดให้สมาชิกคนหนึ่งเป็นตัวเรียกใช้การสืบค้น SQL ที่สามารถเขียนการสืบค้น และสมาชิกอีกคนเป็นตัวรับผลลัพธ์การสืบค้น SQL ที่สามารถรับผลลัพธ์ได้ วิธีนี้ช่วยให้ผู้สร้างการทํางานร่วมกันสามารถตรวจสอบให้แน่ใจว่าสมาชิกที่สามารถสืบค้นไม่สามารถเข้าถึงผลลัพธ์การสืบค้นได้ เมื่อคุณตั้งค่าการทํางานร่วมกัน คุณยังสามารถกําหนดค่าความรับผิดชอบในการชําระเงินด้วยการสืบค้น SQL และมอบหมายสมาชิกที่เลือกเป็นผู้ถูกเรียกเก็บเงินสําหรับค่าใช้จ่ายในการประมวลผลการสืบค้นในการทํางานร่วมกันแทนการเรียกเก็บเงินโดยอัตโนมัติไปยังตัวเรียกใช้การสืบค้น สิ่งนี้ให้ความยืดหยุ่นมากขึ้นในการทํางานร่วมกับพาร์ทเนอร์ของคุณเพื่อกําหนดความรับผิดชอบของ SQL แทนที่จะยึดพวกเขาไว้กับตัวเรียกใช้การสืบค้น

ไม่มีตัวสร้างการวิเคราะห์โค้ด

เมื่อใช้ Analysis Builder ผู้ใช้ทางธุรกิจจะสามารถรับข้อมูลเชิงลึกได้ในไม่กี่ขั้นตอนง่ายๆ โดยไม่ต้องเขียนหรือทําความเข้าใจ SQL คุณสามารถทำตามขั้นตอนในอินเทอร์เฟซผู้ใช้ที่มีคำแนะนำเพื่อสร้างการสืบค้นที่สอดคล้องกับข้อจำกัดข้อมูลที่ผู้ทำงานร่วมกันแต่ละคนได้ตั้งค่าไว้ในตารางตามเกณฑ์ที่แนะนำอัตโนมัติ เช่น เมตริก ภาคส่วนต่างๆ และตัวกรองที่เกี่ยวข้องกับชุดข้อมูลรวมของคุณ ใช้ Analysis Builder ในการทํางานร่วมกันที่มีหนึ่งหรือสองตารางที่กําหนดค่าด้วยกฎวิเคราะห์การรวมหรือกฎการวิเคราะห์รายการ

ML ที่เพิ่มความเป็นส่วนตัว

AWS Clean Rooms ML ช่วยให้คุณและพาร์ทเนอร์ของคุณใช้ ML ที่ช่วยเพิ่มความเป็นส่วนตัวเพื่อสร้างข้อมูลเชิงลึกเชิงคาดการณ์โดยไม่ต้องแชร์ข้อมูลดิบระหว่างกัน โมเดลแรกของความสามารถนี้มีความเชี่ยวชาญในการช่วยให้บริษัทต่างๆสร้างกลุ่มที่มีลักษณะคล้ายกัน การสร้างโมเดลที่คล้ายกันของ AWS Clean Rooms ML ทำให้คุณสามารถฝึกโมเดลแบบกําหนดเองของคุณได้โดยใช้ข้อมูลของคุณ และเชิญพาร์ทเนอร์ของคุณให้นําตัวอย่างบันทึกจำนวนเล็กน้อยของตนมาใช้ในการทํางานร่วมกันเพื่อสร้างชุดบันทึกที่คล้ายกันเพิ่มเติมในขณะที่ปกป้องคุณและข้อมูลพื้นฐานของพาร์ทเนอร์ของคุณ การสร้างแบบจําลองการดูแลสุขภาพจะพร้อมใช้งานในอีกไม่กี่เดือนข้างหน้า

เมื่อใช้ AWS Clean Rooms ML คุณจะ Retain การควบคุมและการเป็นเจ้าของโมเดลที่ผ่านการฝึกได้อย่างเต็มที่ รวมถึงเมื่อใดที่ควรใช้เพื่อสร้างเซ็กเมนต์ต่างๆ ที่คล้ายกันกับพาร์ทเนอร์ของคุณ หรือเมื่อใดควรลบออก ข้อมูลของคุณจะถูกใช้เพื่อฝึกโมเดลของคุณเท่านั้น และจะไม่ใช้ในการฝึกโมเดล AWS คุณสามารถใช้การควบคุมที่ใช้งานง่ายซึ่งช่วยให้คุณและพาร์ทเนอร์ของคุณปรับแต่งผลลัพธ์การคาดการณ์ของโมเดลได้ ตัวอย่างเช่น สายการบินสามารถใช้ประโยชน์จากข้อมูลเกี่ยวกับลูกค้า ทํางานร่วมกับบริการจองออนไลน์ และระบุผู้มีโอกาสเป็นลูกค้าที่มีลักษณะคล้ายกันโดยไม่ต้องแชร์ข้อมูลพื้นฐานของตนกับผู้อื่น AWS Clean Rooms ML ไม่จําเป็นต้องแชร์ข้อมูลเพื่อสร้าง ฝึกอบรม และการปรับใช้โมเดล ML กับพาร์ทเนอร์ของคุณ

AWS Clean Rooms ML ถูกสร้างขึ้นและทดสอบในชุดข้อมูลที่หลากหลาย เช่น อีคอมเมิร์ซและการสตรีมวิดีโอ และสามารถช่วยให้คุณปรับปรุงความแม่นยําในการสร้างโมเดลที่คล้ายกันได้ถึง 36% เมื่อเทียบกับบรรทัดฐานอุตสาหกรรมที่เป็นตัวแทน ในการประยุกต์ใช้ในโลกแห่งความเป็นจริง เช่น การหาลูกค้าใหม่ การปรับปรุงความแม่นยํานี้สามารถช่วยให้ประหยัดเงินได้หลายล้านดอลลาร์

การประมวลผลข้อมูลที่เข้ารหัสลับ

คุณสามารถเรียกใช้การสืบค้นของ AWS Clean Rooms บนข้อมูลที่มีการป้องกันด้วยการเข้ารหัสลับ หากคุณมีนโยบายการจัดการข้อมูลซึ่งต้องมีการเข้ารหัสด้วยข้อมูลที่ละเอียดอ่อน คุณสามารถเข้ารหัสข้อมูลล่วงหน้าได้โดยใช้คีย์เข้ารหัสเฉพาะสำหรับการทำงานร่วมกัน เพื่อให้ข้อมูลได้รับการเข้ารหัสแม้ในขณะเรียกใช้การสืบค้น การประมวลผลข้อมูลที่เข้ารหัสลับจะรับรองว่าข้อมูลที่ใช้ในการประมวลผลร่วมกันยังคงได้รับการเข้ารหัส ทั้งขณะพัก ระหว่างส่งต่อ และใช้งาน (ในขณะที่กำลังประมวลผล)

การประมวลผลข้อมูลที่เข้ารหัสลับสำหรับพื้นที่ปลอดภัย (C3R) เป็น Java SDK แบบโอเพนซอร์สที่มี CLI ซึ่งขณะนี้พร้อมใช้งานแล้วใน GitHub คุณสมบัตินี้มีให้บริการโดยไม่มีค่าใช้จ่ายเพิ่มเติม หากคุณมี Big Data คุณสามารถอ่านเอกสารประกอบ เพื่อดูว่า C3R สามารถผสานรวมเข้ากับ Apache Spark ได้อย่างไร

คุณสมบัตินี้เป็นคุณสมบัติใหม่ล่าสุดของ เครื่องมือประมวลผลข้อมูลที่เข้ารหัสลับของ AWS ที่สร้างขึ้นเพื่อช่วยให้คุณสามารถตอบสนองความต้องการด้านการรักษาความปลอดภัยและการปฏิบัติตามข้อกำหนด ตลอดจนช่วยให้คุณสามารถใช้ประโยชน์จากความยืดหยุ่น ความสามารถในการปรับขนาด ประสิทธิภาพ และความง่ายในการใช้งานที่ AWS มอบให้