Veeam بازیابی‌پذیری را شرط ایمنی عامل‌های هوش مصنوعی دانست
به گزارش Veeam، گسترش عامل‌های هوش مصنوعی در زیرساخت‌های سازمانی بدون امکان بازگرداندن تغییرات می‌تواند ریسک عملیاتی تازه‌ای ایجاد کند. این شرکت هم‌زمان با معرفی نقش Veeam Kasten در راهکار Lenovo AI Express تأکید کرده است که سرعت اجرای خودکار باید با بازیابی سریع و قابل اعتماد داده‌ها، مدل‌ها و فرایندهای هوش مصنوعی همراه باشد.
عامل مجاز هم می‌تواند اختلال ایجاد کند
عامل هوش مصنوعی برای انجام وظایف واقعی به دسترسی سامانه‌ها، داده‌ها و ابزارهای سازمانی نیاز دارد. همین مجوز ممکن است در صورت تصمیم اشتباه، تغییرات ناخواسته را با سرعتی بیشتر از توان بررسی نیروی انسانی در چند سامانه گسترش دهد. در چنین وضعیتی، ابزارهای نظارتی نیز ممکن است فعالیت را عادی تشخیص دهند؛ زیرا عملیات با اعتبارنامه معتبر و سطح دسترسی تأییدشده انجام شده است، نه از مسیر نفوذ یک مهاجم.
داده‌های پژوهشی منتشرشده در این مطلب نشان می‌دهد ۸۸ درصد سازمان‌های بررسی‌شده عامل‌های هوش مصنوعی را اجرا یا آزمایش کرده‌اند، اما فقط ۷ درصد در گروه آماده برای هوش مصنوعی قرار گرفته‌اند. همچنین تنها ۲۲ درصد از سازمان‌هایی که هوش مصنوعی را به کار گرفته‌اند می‌توانند ظرف چند دقیقه مشخص کنند سامانه هوش مصنوعی از چه داده‌هایی استفاده کرده است. این شکاف، اهمیت ثبت تغییرات و تعیین نقطه بازیابی قابل اعتماد را برجسته می‌کند.
ترکیب زیرساخت سریع Lenovo با بازیابی Kubernetes
Lenovo AI Express پیکربندی‌های اعتبارسنجی‌شده Lenovo Hybrid AI Factory را طی چند هفته عرضه می‌کند و زمان سفارش تا ارسال برای پیکربندی‌های واجد شرایط می‌تواند به ۱۵ روز کاری برسد. در این چارچوب، Veeam Kasten بخشی از طراحی اعتبارسنجی‌شده تاب‌آوری هوش مصنوعی روی پلتفرم Lenovo Hybrid AI 285 است و بازیابی بومی Kubernetes را برای مدل‌ها، پایگاه‌های داده برداری و خطوط استنتاج فراهم می‌کند.
این رویکرد که Veeam آن را «خودمختاری برگشت‌پذیر» توصیف می‌کند، بر سیاست‌های حفاظتی از پیش تعریف‌شده، نقاط بازیابی تغییرناپذیر و کنترل دسترسی مبتنی بر نقش تکیه دارد. هدف آن است که تیم‌های پلتفرم بتوانند عامل‌های هوش مصنوعی را توسعه دهند، بدون آنکه هر خطای مجاز به توقف طولانی سرویس یا بازسازی چندماهه داده‌ها منجر شود.
برای مدیران IT، پیام اصلی این خبر روشن است: ارزیابی یک پروژه هوش مصنوعی نباید فقط به توان پردازشی، مدل یا سرعت استقرار محدود شود. قابلیت شناسایی تغییرات، آزمون بازیابی و زمان بازگشت به وضعیت مطمئن نیز باید از ابتدای طراحی زیرساخت سنجیده شود.
