其他行业 · AI应用
在AWS云基础设施上扩展企业搜索和AI工作负载
Elastic应对日益增长的网络威胁，旨在提高安全分析师效率并改善整体安全态势。通过利用Amazon Bedrock和Anthropic的Claude 3模型，Elastic使用户能够更有效地分类警报和调查事件。这种方法不仅简化了事件响应流程，还提供了对安全问题的宝贵洞察。结果，组织安全事件的平均响应时间显著减少，分析师在报告编写和查询生成上节省了数小时。此外，200,000个令牌的上下文窗口增强了数据总结和分析能力，最终构建了更强大的安全框架。
平均事件响应时间
显著减少
来源披露
分析师报告编写与查询时间
节省数小时
来源披露
01
业务背景
Elastic应对日益增长的网络威胁，旨在提高安全分析师效率并改善整体安全态势。通过利用Amazon Bedrock和Anthropic的Claude 3模型，Elastic使用户能够更有效地分类警报和调查事件。这种方法不仅简化了事件响应流程，还提供了对安全问题的宝贵洞察。结果，组织安全事件的平均响应时间显著减少，分析师在报告编写和查询生成上节省了数小时。此外，200,000个令牌的上下文窗口增强了数据总结和分析能力，最终构建了更强大的安全框架。
02
遇到的问题
安全团队面临的最大挑战是弄清所有被触发警报背后的含义，导致分析师效率低下，难以有效应对网络威胁。
03
AI 解决方案
Elastic 利用 Amazon Bedrock 和 Anthropic 的 Claude 3 模型构建了 Elastic AI Assistant 和 Attack Discovery 功能。通过 Elasticsearch Relevance Engine (ESRE) 使用检索增强生成（RAG）技术，从公司数据中提取上下文并丰富提示词。在 Amazon Bedrock 中，用户可直接用自然语言提问，Claude 3 可总结、问答、预测趋势并比较文档，其 200,000 Token 的上下文窗口支持处理大量信息。模型选择通过简单的下拉菜单完成，同时利用 Model Evaluation on Amazon Bedrock 自动评估不同模型的准确性、鲁棒性和成本，帮助用户做出最优选择。网络连接默认使用 AWS PrivateLink 保障私有化通信，并通过多 AWS 区域部署满足数据驻留要求。
04
实施结果
平均事件响应时间：显著减少（显著减少）
分析师报告编写与查询时间：节省数小时（节省）
05
风险与边界
未披露
“We benefit from the scalability, performance, accuracy, and privacy of Amazon Bedrock.”
Uday Theepireddy · Senior Principal Solutions Architect
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。