da Agency

Die Erkennung sensibler Daten in AWS Glue ist in 18 weiteren AWS-Regionen verfügbar

Die Erkennung und Verarbeitung sensibler Daten in AWS Glue ist jetzt generell in 18 weiteren AWS-Regionen verfügbar: USA West (Nordkalifornien), Afrika (Kapstadt), Asien-Pazifik (Hongkong), Asien-Pazifik (Mumbai), Asien-Pazifik (Osaka), Asien-Pazifik (Seoul), Asien-Pazifik (Singapur), Asien-Pazifik (Sydney), Asien-Pazifik (Tokio), Kanada (Zentral), Europa (Frankfurt), Europa (Irland), Europa (London), Europa (Mailand), Europa (Paris), Europa (Stockholm), Naher Osten (Bahrain) und Südamerika (Sao Paulo).
Quelle: aws.amazon.com

da Agency

AWS Security Hub lässt sich jetzt in AWS Control Tower integrieren

AWS Security Hub lässt sich jetzt in AWS Control Tower integrieren, damit Sie die Erkennungskontrollen von AWS Security Hub mit den proaktiven oder präventiven Kontrollen von AWS Control Tower kombinieren und sie gemeinsam über AWS Control Tower verwalten können. Die Kontrollen von AWS Security Hub sind jetzt verwandten Kontrollzielen in der Kontrolbibliothek von AWS Control Tower zugeordnet. Somit erhalten Sie eine ganzheitliche Übersicht über die Kontrollen, die zum Erreichen eines bestimmten Kontrollziels erforderlich sind. Diese Kombination aus über 160 Erkennungskontrollen von AWS Security Hub mit den integrierten Automatisierungen von AWS Control Tower für Multi-Account-Umgebungen verleiht Ihnen eine solide Governance-Baseline und sofort einsatzfähige Kontrollen, die erforderlich sind, um Ihr Geschäft mit neuen AWS-Workloads und -Services zu skalieren. Mit dieser Kontrollkombination können Sie überwachen, ob Ihre Multi-Account-Umgebung in AWS sicher ist und in Übereinstimmung mit bewährten Methoden, wie dem Standard AWS Foundational Security Best Practices, verwaltet wird.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker Studio unterstützt jetzt differenzierte Datenzugriffskontrolle mit AWS Lake Formation und Amazon EMR

Amazon SageMaker Studio ist eine vollständig integrierte Entwicklungsumgebung (Integrated Development Environment, IDE) für Machine Learning. Studio verfügt über eine integrierte Integration in Amazon EMR, damit Data Scientists Daten im Petabyte-Umfang mit Frameworks wie Apache Spark direkt aus Studio-Notebooks interaktiv vorbereiten können. Wir freuen uns, bekannt zu geben, dass SageMaker Studio jetzt bei AWS Lake Formation die Anwendung differenzierter Datenzugriffskontrollen beim Zugriff auf Daten über Amazon EMR unterstützt.
Quelle: aws.amazon.com

da Agency

AWS re:Post vereinfacht das Community-Engagement von Kunden mit AWS Builder ID und re:Post Linked Logins

AWS re:Post ist ein Cloud-Wissensdienst, der Kunden die technische Anleitung bietet, die sie benötigen, um mit AWS-Services schneller zu innovieren und die betriebliche Effizienz zu verbessern. re:Post wurde in AWS Builder ID integriert, um re:Post-Benutzern eine zusätzliche Anmeldemethode zu bieten, mit der sie der Community ohne AWS-Konto beitreten können. Darüber hinaus können Benutzer mehrere Logins mit der AWS-Managementkonsole oder der AWS Builder ID verknüpfen, so dass Community-Beiträge in einem einzigen re:Post-Profil gespeichert werden. Die re:Post-Integration mit der AWS Builder ID und die Möglichkeit, mehrere Logins mit einem einzigen re:Post-Profil zu verknüpfen, ermöglichen es Benutzern, ihre Beiträge, verdienten Punkte und ihren Reputationsstatus auf re:Post beizubehalten, selbst wenn sie in eine neue Rolle oder Organisation wechseln.
Quelle: aws.amazon.com

da Agency

Amazon GameLift unterstützt jetzt kundenverwaltete Datenverarbeitung mit GameLift Anywhere

Die allgemeine Verfügbarkeit von Amazon GameLift Anywhere entkoppelt die Verwaltung von Spielesitzungen von den zugrunde liegenden Rechenressourcen. Während der Entwicklungsphase eines Spiels benötigen Entwickler sofortige Rechenressourcen, um ihre Spiel-Builds kontinuierlich bereitzustellen, zu testen und zu iterieren. Darüber hinaus haben Kunden oft laufende Bare-Metal-Verträge oder lokale Spieleserver und benötigen die Flexibilität, ihre bestehende Infrastruktur mit Cloud-Servern zu nutzen. 
Quelle: aws.amazon.com

da Agency

Amazon EventBridge Pipes ist jetzt allgemein verfügbar

EventBridge Pipes bietet eine einfachere, konsistente und kosteneffiziente Möglichkeit, Punkt-zu-Punkt-Integrationen zwischen Event-Produzenten und -Konsumenten zu erstellen und erweitert das EventBridge-Angebot über Event-Busse und Terminplanung hinaus. EventBridge Pipes macht es einfach, Ihre Anwendungen mit Daten aus Quellen wie Amazon SQS, Amazon Kinesis, Amazon DynamoDB, Amazon Managed Streaming Kafka, Self-Managed Kafka und Amazon MQ zu verbinden. EventBridge Pipes unterstützt die gleichen Zielservices wie Event-Busse, wie Amazon SQS, AWS Step Functions, Amazon Kinesis Data Streams, Amazon Kinesis Data Firehose, Amazon SNS, Amazon ECS und Event-Busse selbst.
Quelle: aws.amazon.com

da Agency

AWS AppConfig Agent vereinfacht Funktionsflags und Laufzeitkonfiguration für Container

AWS AppConfig hat einen Agenten für Container-Laufzeiten veröffentlicht, der die Verwendung von Funktionsflags und die Laufzeitkonfiguration bei verbesserter Leistung vereinfacht. Kunden, die Amazon Elastic Container Service (Amazon ECS), Amazon Elastic Kubernetes Service (Amazon EKS), Docker oder Kubernetes verwenden, können jetzt den AWS AppConfig Agent nutzen, um die Aufrufe ihrer containerisierten Anwendung an den AWS AppConfig Service zu verwalten. Bisher mussten Kunden bei der Verwendung einer Container-Laufzeitumgebung den Abruf und die Zwischenspeicherung von Konfigurationsdaten selbst verwalten. Bei Verwendung des AWS AppConfig-Agenten übernimmt der Agent diese Aufgabe nun für sie. Dieser Agent fragt AWS AppConfig nach Konfigurationsdaten ab und stellt diese lokal zur Verfügung. Es kann auch die Abfrage- und Zwischenspeicherlogik für Kunden übernehmen. Anwendungen führen lokale HTTP-Aufrufe an den AWS AppConfig-Agenten aus, wodurch sich die Leistung beim Abrufen von Konfigurationsdaten verbessert.
Quelle: aws.amazon.com

da Agency

Einführung der Unterstützung von Amazon SageMaker für Schattentests

Amazon SageMaker unterstützt Schattentests, damit du die Leistung neuer Machine Learning (ML)-Modelle durch Vergleich mit Produktionsmodellen validieren kannst. Mit Schattentests kannst du mögliche Konfigurationsfehler und Leistungsprobleme erkennen, bevor sie sich auf die Endbenutzer auswirken. Mit SageMaker entfällt der wochenlange Aufbau einer Infrastruktur für Schattentests, sodass du Modelle schneller in die Produktion überführen kannst.
Quelle: aws.amazon.com