AWS Clean Rooms ML Custom Modeling ermöglicht es Ihnen und Ihren Partnern, benutzerdefinierte ML-Modelle auf kollektiven Datensätzen im großen Maßstab zu trainieren und Inferenzen durchzuführen, ohne Ihre sensiblen Daten oder geistiges Eigentum teilen zu müssen. Mit der heutigen Einführung können Kollaborateure eine neue Datenschutzkontrolle konfigurieren, die redigierte Zusammenfassungen von Fehlerprotokollen an bestimmte Mitglieder der Zusammenarbeit sendet. Fehlprotokollzusammenfassungen enthalten den Ausnahmetyp, die Fehlermeldung und die Zeile im Code, in der der Fehler aufgetreten ist. Bei der Zuordnung des Modells zur Zusammenarbeit können die Kollaborateure entscheiden und vereinbaren, welche Mitglieder Fehlprotokollzusammenfassungen erhalten und ob diese Zusammenfassungen erkennbare persönlich identifizierbare Informationen (PII), Zahlen oder benutzerdefinierte Zeichenfolgen enthalten, die redigiert werden.AWS Clean Rooms ML hilft Ihnen und Ihren Partnern, datenschutzverbessernde Kontrollen anzuwenden, um Ihre proprietären Daten und ML-Modelle zu schützen und gleichzeitig prädiktive Erkenntnisse zu generieren – und das alles, ohne die Rohdaten oder Modelle des jeweils anderen zu teilen oder zu kopieren. Weitere Informationen zu den AWS-Regionen, in denen AWS Clean Rooms ML verfügbar ist, finden Sie in der Tabelle der AWS-Regionen. Weitere Informationen finden Sie unter AWS Clean Rooms ML.