Cloud Custodian新增AWS Bedrock模型调用日志功能解析
背景介绍
Cloud Custodian作为一款云资源治理工具,近期在其AWS服务支持中新增了对Bedrock服务模型调用日志功能的集成。AWS Bedrock是一项托管服务,为企业提供基础模型的访问能力,而模型调用日志记录则是该服务的重要监控功能。
功能实现要点
此次功能增强主要围绕Bedrock服务的日志记录能力展开,实现了以下核心功能:
-
日志配置管理:支持对Bedrock服务的日志记录配置进行管理,包括启用/禁用日志记录功能。
-
日志目的地设置:可配置日志输出的目标位置,支持将日志发送至CloudWatch Logs或S3存储桶。
-
日志内容定制:允许用户定义需要记录的详细程度,包括模型输入输出等敏感信息的记录级别。
-
访问日志记录:支持记录所有Bedrock API调用的元数据信息,包括调用时间、使用模型、请求参数等。
技术实现细节
在底层实现上,该功能通过Cloud Custodian的策略引擎与AWS Bedrock的日志API进行交互。主要涉及以下技术组件:
-
API集成层:封装了与Bedrock PutLoggingConfiguration和GetLoggingConfiguration API的交互逻辑。
-
策略语法扩展:在Cloud Custodian的策略语法中新增了bedrock-logging资源类型,支持通过YAML定义日志配置策略。
-
权限管理:自动处理所需的IAM权限,确保执行策略时具有足够的权限访问Bedrock日志API。
典型使用场景
这一功能特别适用于以下场景:
-
合规审计:满足金融、医疗等行业对AI模型使用情况的审计要求。
-
使用分析:分析不同模型的使用频率和模式,优化资源分配。
-
异常检测:通过日志监控识别异常的模型调用行为。
-
成本追踪:追踪模型调用次数和规模,辅助成本管理。
最佳实践建议
在使用此功能时,建议考虑以下实践:
-
日志保留策略:根据合规要求设置适当的日志保留期限,平衡存储成本与审计需求。
-
敏感信息处理:谨慎配置日志详细级别,避免在日志中记录敏感业务数据。
-
监控告警:结合CloudWatch Alarm对异常调用模式设置告警。
-
权限最小化:遵循最小权限原则,严格控制日志配置的访问权限。
总结
Cloud Custodian对AWS Bedrock日志功能的集成,为企业提供了更完善的AI服务治理能力。通过统一的策略管理界面,用户可以便捷地配置和维护Bedrock服务的日志记录,满足合规性、安全性和运营监控的多重需求。这一增强进一步巩固了Cloud Custodian作为多云治理平台的地位,特别是在新兴的AI服务管理领域。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00