improve_public_speaking_skills_using_a_genai_based_virtual_assistant_with_amazon_bedrock

ผู้ช่วยผู้ให้คำปรึกษาที่พูดในที่สาธารณะ

คุณสามารถค้นหาบล็อกโพสต์ที่เกี่ยวข้องกับพื้นที่เก็บข้อมูลนี้ได้ที่นี่: ปรับปรุงทักษะการพูดในที่สาธารณะโดยใช้ผู้ช่วยเสมือนที่ใช้ AI แบบกำเนิดร่วมกับ Amazon Bedrock

คำเตือน

ตัวอย่างนี้มีไว้เพื่อการทดลองเท่านั้น และยังไม่พร้อมสำหรับการผลิต การใช้งานตัวอย่างนี้ อาจมีค่าใช้จ่าย โปรดตรวจสอบให้แน่ใจว่าได้ลบโครงสร้างพื้นฐานออกตามคำแนะนำที่ให้ไว้ตอนท้ายเมื่อไม่ต้องการอีกต่อไป

พัฒนาทักษะการพูดในที่สาธารณะโดยใช้ผู้ช่วยเสมือนที่ใช้ GenAI ด้วย Amazon Bedrock

การพูดในที่สาธารณะเป็นทักษะที่สำคัญในโลกปัจจุบัน ไม่ว่าจะเป็นการนำเสนออย่างมืออาชีพ งานทางวิชาการ หรือการเติบโตส่วนบุคคล อย่างไรก็ตาม บุคคลจำนวนมากต้องต่อสู้กับความวิตกกังวล ขาดความมั่นใจ และการสื่อสารที่ไม่มีประสิทธิภาพในระหว่างการพูดในที่สาธารณะ การจ้างโค้ชที่พูดในที่สาธารณะมีราคาแพงและมีจำนวนจำกัด ขณะนี้ ด้วยการถือกำเนิดของโมเดลภาษาขนาดใหญ่ (LLM) ผู้ช่วยเสมือนที่ขับเคลื่อนด้วย AI สามารถใช้งานได้โดยบุคคลจากภูมิหลังและสถานที่ที่หลากหลาย รวมถึงองค์กรทุกขนาดเพื่อได้รับประโยชน์จากการวิเคราะห์คำพูดแบบเรียลไทม์ การระบุพื้นที่ เพื่อการปรับปรุงและข้อเสนอแนะในการปรับปรุงการนำเสนอคำพูด

ในการซื้อคืนนี้ เราขอนำเสนอผู้ช่วยเสมือนที่ขับเคลื่อนโดย Amazon Bedrock ซึ่งสามารถถอดเสียงของตนเองในคำพูดของงานนำเสนอ ตรวจสอบการใช้ภาษา ข้อผิดพลาดทางไวยากรณ์ คำที่เติม การซ้ำคำและประโยค ฯลฯ และให้คำแนะนำตลอดจนแนะนำเวอร์ชันที่รวบรวมไว้ ของคำพูดของผู้ใช้เพื่อการนำเสนอที่ดีขึ้น โซลูชันนี้ช่วยปรับปรุงทักษะการสื่อสาร เพิ่มความมั่นใจ และช่วยให้แต่ละบุคคลกลายเป็นวิทยากรในที่สาธารณะที่มีประสิทธิภาพและมีผลกระทบมากขึ้นในท้ายที่สุด องค์กรทั่วทั้งภาคส่วนต่างๆ รวมถึงบริษัท สถาบันการศึกษา หน่วยงานภาครัฐ และบุคคลสำคัญบนโซเชียลมีเดีย สามารถใช้ประโยชน์จากโซลูชันนี้เพื่อจัดให้มีการฝึกสอนแบบอัตโนมัติสำหรับพนักงาน นักเรียน และงานพูดในที่สาธารณะ

โซลูชันนี้เขียนด้วยภาษา Python เท่านั้น และใช้เทมเพลต CDK เพื่อปรับใช้โครงสร้างพื้นฐานที่จำเป็นบน AWS

ภาพรวมของโซลูชัน

การแก้ปัญหาประกอบด้วย 4 องค์ประกอบหลัก:

• กลุ่มผู้ใช้ Amazon Cognito สำหรับการตรวจสอบสิทธิ์ผู้ใช้ - ผู้ใช้ที่ได้รับการตรวจสอบสิทธิ์จะสามารถเข้าถึงเว็บพอร์ทัลผู้ช่วย AI ของพี่เลี้ยงการพูดในที่สาธารณะ เพื่ออัปโหลดการบันทึกเสียง/วิดีโอ
• เว็บพอร์ทัลแบบเรียบง่ายที่สร้างขึ้นโดยใช้ Streamlit เพื่ออัปโหลดการบันทึกเสียง/วิดีโอ - ไฟล์ที่อัปโหลดจะถูกจัดเก็บไว้ในบัคเก็ต Amazon Simple Storage Service (Amazon S3) เพื่อการประมวลผล การดึงข้อมูล และการวิเคราะห์ในภายหลัง
• เวิร์กโฟลว์ AWS Step Functions เพื่อประสานการแปลงเสียงเป็นข้อความโดยใช้ Amazon Transcribe จากนั้นเรียกใช้ Amazon Bedrock ด้วยการเชื่อมโยงพร้อมท์ AI เพื่อสร้างคำแนะนำคำพูดและเขียนคำแนะนำใหม่
• Amazon Simple Notification Service (Amazon SNS) เพื่อส่งการแจ้งเตือนทางอีเมลไปยังผู้ใช้ด้วยคำแนะนำที่สร้างโดย Amazon Bedrock

โซลูชันนี้ใช้ประโยชน์จาก Amazon Transcribe เพื่อการแปลงคำพูดเป็นข้อความผ่านการรู้จำคำพูดอัตโนมัติ เมื่อผู้ใช้อัปโหลดไฟล์เสียงหรือวิดีโอ Amazon Transcribe จะถอดเสียงคำพูดเป็นข้อความ ซึ่งจะถูกส่งต่อเป็นข้อมูลอินพุตไปยังโมเดล Anthropic Claude 3.5 Sonnet ที่โฮสต์บน Amazon Bedrock โซลูชันจะส่งข้อความแจ้งสองครั้งไปยัง Amazon Bedrock พร้อมกับข้อความที่ถอดเสียง พรอมต์แรกคือการสร้างคำติชมและคำแนะนำเกี่ยวกับการใช้ภาษา ข้อผิดพลาดทางไวยากรณ์ คำเติม การซ้ำคำและประโยค และลักษณะอื่น ๆ ของคำพูด พรอมต์ที่สองคือการรับคำพูดต้นฉบับของผู้ใช้ในเวอร์ชันที่คัดสรรแล้ว การเชื่อมโยงพร้อมท์ AI จะดำเนินการกับ Amazon Bedrock สำหรับพร้อมท์ทั้งสองนี้เพื่อมอบการตอบสนองที่ได้รับการดูแลจัดการอย่างดี ท้ายที่สุด โซลูชันจะรวมเอาต์พุตจากพรอมต์ทั้งสอง แสดงคำแนะนำที่ครอบคลุมที่ได้รับโดยใช้ Amazon Bedrock บนหน้าเว็บของผู้ใช้ ตลอดจนส่งอีเมลพร้อมผลลัพธ์ถึงผู้ใช้ ปัจจุบันโซลูชันนี้รองรับคำพูดของผู้ใช้เป็นภาษาอังกฤษเท่านั้น

สถาปัตยกรรม

แผนภาพต่อไปนี้แสดงสถาปัตยกรรมโซลูชันของเรา

มาสำรวจสถาปัตยกรรมทีละขั้นตอนกัน:

1. ผู้ใช้ตรวจสอบสิทธิ์เว็บพอร์ทัลผู้ช่วยพี่เลี้ยงการพูดในที่สาธารณะ (แอปพลิเคชัน Streamlit ที่โฮสต์บนเดสก์ท็อปภายในเครื่องของผู้ใช้) โดยใช้กลไกการตรวจสอบสิทธิ์กลุ่มผู้ใช้ Amazon Cognito
2. ผู้ใช้อัปโหลดไฟล์เสียง/วิดีโอไปยังเว็บพอร์ทัล ซึ่งจัดเก็บไว้ในบัคเก็ต Amazon S3 ที่เข้ารหัส
3. บริการ S3 ทริกเกอร์เหตุการณ์ s3:ObjectCreated สำหรับแต่ละไฟล์ที่บันทึกไว้ในบัคเก็ต
4. Amazon EventBridge เรียกใช้เวิร์กโฟลว์ AWS Step Functions ตามเหตุการณ์นี้
5. เวิร์กโฟลว์ AWS Step Functions ใช้การผสานรวม AWS SDK เพื่อเรียกใช้ Amazon Transcribe และเริ่มต้น StartTranscriptionJob โดยส่งผ่านบัคเก็ต S3 เส้นทางคำนำหน้า และชื่ออ็อบเจ็กต์ในพารามิเตอร์ MediaFileUri เวิร์กโฟลว์รอให้งานการถอดเสียงเสร็จสิ้นและบันทึกการถอดเสียงในพาธคำนำหน้าบัคเก็ต S3 อื่น
6. จากนั้นเวิร์กโฟลว์ AWS Step Functions จะใช้การผสานรวมที่ได้รับการปรับปรุงให้เหมาะสมเพื่อเรียกใช้ InvivoModel API ของ Amazon Bedrock ซึ่งระบุโมเดล Anthropic Claude 3.5 Sonnet, ข้อความแจ้งของระบบ, โทเค็นสูงสุด และข้อความคำพูดที่ถอดเสียงเป็นอินพุตไปยัง API ข้อความแจ้งของระบบจะสั่งให้ Claude ให้คำแนะนำเกี่ยวกับวิธีการปรับปรุงคำพูดโดยการระบุไวยากรณ์ที่ไม่ถูกต้อง การใช้คำหรือเนื้อหาซ้ำ การใช้คำเติม และคำแนะนำอื่นๆ

สำคัญ

เพื่อหลีกเลี่ยงไม่ให้เกิดปัญหากับขีดจำกัดขนาดเพย์โหลดของ StepFunctions ที่ 256KB เราจึงใช้การผสานรวมที่ปรับให้เหมาะสมของ AWS Lambda ใน Step Functions เพื่อบันทึกเพย์โหลดสำหรับพารามิเตอร์การอนุมานของ Bedrock ในบัคเก็ต S3 ฟังก์ชัน AWS Lambda สร้างเพย์โหลดที่จำเป็นและบันทึกลงในบัคเก็ต S3 ที่กำหนด จากนั้น Step Functions จะใช้เส้นทางบัคเก็ต S3 ในพารามิเตอร์ input ของ Bedrock InvokeModel API - ฟิลด์ตัวเลือกนี้มีไว้เฉพาะสำหรับการผสานรวมที่ปรับให้เหมาะสมกับ Amazon Bedrock กับ Step Functions ซึ่งช่วยให้เราสามารถส่งเพย์โหลดที่มากกว่า 256 KB ได้

7. หลังจากได้รับการตอบกลับจาก Amazon Bedrock แล้ว เวิร์กโฟลว์ AWS Step Functions จะใช้การเชื่อมโยงทันทีเพื่อสร้างอินพุตอื่นสำหรับ Amazon Bedrock โดยผสมผสานคำพูดที่ถอดเสียงไว้ก่อนหน้านี้ การตอบสนองก่อนหน้าของโมเดล และการร้องขอให้โมเดลให้คำแนะนำในการเขียนคำพูดใหม่
8. สุดท้าย เวิร์กโฟลว์จะรวมเอาต์พุตเหล่านี้จาก Amazon Bedrock เพื่อสร้างข้อความที่แสดงบนหน้าเว็บของผู้ใช้ที่เข้าสู่ระบบ
9. ในตอนท้าย เวิร์กโฟลว์ Step Functions จะเรียกใช้การรวมที่เพิ่มประสิทธิภาพ SNS Publish เพื่อส่งอีเมลไปยังผู้ใช้ด้วยข้อความที่สร้างจาก Bedrock
10. สตรีมแอปพลิเคชันสอบถาม Step Functions เพื่อแสดงผลลัพธ์เอาต์พุตบนหน้าเว็บของผู้ใช้ Cognito

ขั้นตอนการทำงานของเครื่องสถานะ

แผนภาพต่อไปนี้แสดงเวิร์กโฟลว์ Step Functions State Machine คุณยังสามารถเข้าถึง Amazon States Language (ASL) ที่เทียบเท่ากับคำจำกัดความของเครื่องสถานะได้ที่นี่ - PublicSpeakingMentorAIAssistantStateMachine ASL

การติดตั้ง

ข้อกำหนดเบื้องต้น

สำหรับการนำโซลูชันผู้ช่วย AI ของพี่เลี้ยงการพูดในที่สาธารณะไปใช้ คุณควรมีข้อกำหนดเบื้องต้นต่อไปนี้:

1. บัญชี AWS ที่มีสิทธิ์ AWS Identity and Access Management (IAM) เพียงพอสำหรับบริการของ AWS ด้านล่างเพื่อปรับใช้โซลูชันและเรียกใช้ Streamlit Application Web Portal

   • อเมซอน ข้อเท็จจริง
   • Amazon ถอดเสียง
   • ฟังก์ชั่นขั้นตอน AWS
   • AWS แลมบ์ดา
   • อเมซอน EventBridge
   • อเมซอน Cognito
   • อเมซอน SNS
   • อเมซอน S3
   • อเมซอน CloudWatch
   • AWS CloudFormation

2. เปิดใช้งานการเข้าถึงโมเดลสำหรับ Claude 3.5 Sonnet ของ Anthropic ใน Amazon Bedrock ในภูมิภาค AWS ที่คุณต้องการ

3. สภาพแวดล้อมเดสก์ท็อปภายในที่มี AWS CLI (Command Line Interface), AWS CDK เวอร์ชันล่าสุด (2.159.0 หรือสูงกว่า), Python 3.8 หรือสูงกว่า และติดตั้ง Git

4. การตั้งค่า AWS CLI พร้อมข้อมูลรับรอง AWS ที่จำเป็นและภูมิภาค AWS ที่ต้องการ

สำคัญ

โปรดตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง CDK ล่าสุด (v2.159.0 หรือสูงกว่า) เนื่องจากการรองรับโครงสร้าง Anthropic Claude 3.5 Sonnet CDK ไม่พร้อมใช้งานในเวอร์ชันก่อนหน้า

ปรับใช้โซลูชันผู้ช่วย AI ของพี่เลี้ยงการพูดในที่สาธารณะ

ทำตามขั้นตอนต่อไปนี้เพื่อปรับใช้โครงสร้างพื้นฐาน AWS ผู้ช่วยพี่เลี้ยงการพูดในที่สาธารณะ:

1. โคลนพื้นที่เก็บข้อมูลไปยังสภาพแวดล้อมดิสก์ในเครื่องของคุณด้วยคำสั่งต่อไปนี้:

 git clone https://github.com/aws-samples/improve_public_speaking_skills_using_a_genai_based_virtual_assistant_with_amazon_bedrock.git

2. เปลี่ยนไดเร็กทอรีเป็นที่เก็บโคลนและไดเร็กทอรี app ที่อยู่ภายใน

 cd improve_public_speaking_skills_using_a_genai_based_virtual_assistant_with_amazon_bedrock/app

3. สร้างสภาพแวดล้อมเสมือนหลามสำหรับอินฟรา:

 python3 -m venv .venv

4. เปิดใช้งานสภาพแวดล้อมเสมือนของคุณ:

 source .venv/bin/activate

5. ติดตั้งการพึ่งพาที่จำเป็น

 pip install -r requirements.txt

6. (ไม่บังคับ) สังเคราะห์เทมเพลต AWS CloudFormation โดยใช้ AWS CDK (Cloud Development Kit) สำหรับ Python

 cdk synth

เคล็ดลับ

คุณอาจจำเป็นต้องทำการบูตสแตรป cdk ครั้งเดียวโดยใช้คำสั่งต่อไปนี้ ดู CDK Bootstrapping สำหรับรายละเอียดเพิ่มเติม

cdk bootstrap aws:// < ACCOUNT-NUMBER- 1> / < REGION- 1>

7. ปรับใช้เทมเพลต AWS CloudFormation ในบัญชี AWS ของคุณและภูมิภาคที่เลือก

 cdk deploy

เมื่อปรับใช้ CDK สำเร็จแล้ว ให้ทำตามขั้นตอนด้านล่างเพื่อสร้างผู้ใช้ Cognito

สร้างผู้ใช้ Amazon Cognito สำหรับการตรวจสอบสิทธิ์

ทำตามขั้นตอนต่อไปนี้เพื่อสร้างผู้ใช้ใน Amazon Cognito User Pool เพื่อเข้าถึงเว็บพอร์ทัล ผู้ใช้ที่สร้างขึ้นไม่จำเป็นต้องมีสิทธิ์ AWS ใด ๆ:

1. เข้าสู่ระบบคอนโซล AWS ของบัญชีของคุณและเลือกภูมิภาค AWS ของการปรับใช้ของคุณ
2. ใน Amazon Cognito ภายใต้กลุ่มผู้ใช้ ให้คลิกกลุ่มผู้ใช้ที่สร้างโดยเทมเพลต CloudFormation ชื่อพูลผู้ใช้จะมีคำนำหน้า PSMBUserPool ตามด้วยสตริงอักขระสุ่มเป็นคำเดียว
3. คลิกที่ปุ่มสร้างผู้ใช้และป้อนชื่อผู้ใช้และรหัสผ่าน
4. ในที่สุดคลิกที่ปุ่มสร้างผู้ใช้ที่ด้านล่างขวา

สมัครสมาชิกหัวข้อ SNS เพื่อรับการแจ้งเตือนทางอีเมล

ทำตามขั้นตอนต่อไปนี้เพื่อสมัครรับหัวข้อ SNS เพื่อรับการแจ้งเตือนทางอีเมลเกี่ยวกับคำแนะนำคำพูด:

1. เข้าสู่ระบบคอนโซล AWS ของบัญชีของคุณและเลือกภูมิภาค AWS ของการปรับใช้ของคุณ
2. ใน Amazon SNS ภายใต้หัวข้อ ให้คลิกหัวข้อที่สร้างโดยเทมเพลต CloudFormation ชื่อของหัวข้อควรมีลักษณะเป็น InfraStack-PublicSpeakingMentorAIAssistantTopic ตามด้วยสตริงอักขระแบบสุ่มเป็นหนึ่งคำ
3. คลิกที่ปุ่มสร้างการสมัครสมาชิก เลือกโปรโตคอลเป็นอีเมลจากเมนูแบบเลื่อนลงและป้อนที่อยู่อีเมลของคุณในกล่องปลายทาง
4. ในที่สุดคลิกที่ปุ่มสร้างการสมัครสมาชิกที่ด้านล่างขวา

เรียกใช้แอปพลิเคชัน Streamlit เพื่อเข้าถึงเว็บพอร์ทัล

ทำตามขั้นตอนต่อไปนี้เพื่อเรียกใช้แอปพลิเคชัน Streamlit สำหรับการเข้าถึงเว็บพอร์ทัลผู้ช่วย AI ของพี่เลี้ยงการพูดในที่สาธารณะ:

1. เปลี่ยนไดเร็กทอรีเป็น webapp ภายในไดเร็กทอรี app

 cd webapp

2. เปิดเซิร์ฟเวอร์ streamlit บนพอร์ต 8080

 streamlit run webapp.py --server.port 8080

3. จดบันทึก URL แอปพลิเคชัน Streamlit เพื่อใช้งานต่อไป คุณสามารถเลือกหนึ่งใน URL จากสาม URL (ภายใน เครือข่าย หรือภายนอก) ที่ให้ไว้โดยกระบวนการทำงานของเซิร์ฟเวอร์ Streamlit ทั้งนี้ขึ้นอยู่กับการตั้งค่าสภาพแวดล้อมของคุณ

Note: Allow inbound traffic on port 8080

ตรวจสอบให้แน่ใจว่าอนุญาตให้มีการรับส่งข้อมูลขาเข้าบนพอร์ต 8080 บนเครื่องของคุณ

การใช้งาน

ทำตามขั้นตอนด้านล่างเพื่อใช้ผู้ช่วย AI ที่ปรึกษาการพูดในที่สาธารณะเพื่อปรับปรุงคำพูดของคุณ:

1. เปิด URL แอปพลิเคชัน Streamlit ในเบราว์เซอร์ของคุณ (ควรเป็น Google Chrome) ที่คุณจดบันทึกไว้ในขั้นตอนก่อนหน้า
2. เข้าสู่ระบบเว็บพอร์ทัลโดยใช้ชื่อผู้ใช้และรหัสผ่าน Amazon Cognito ที่สร้างขึ้นก่อนหน้านี้สำหรับการตรวจสอบสิทธิ์

3. อัปโหลดการบันทึกเสียง/วิดีโอของคุณเพื่อรับคำแนะนำคำพูดและผลลัพธ์การเขียนคำพูดใหม่
   1. คลิกที่เรียกดูไฟล์เพื่อค้นหาและเลือกการบันทึกของคุณ
   2. คลิกที่ปุ่มอัปโหลดไฟล์เพื่ออัปโหลดไฟล์ของคุณไปยังบัคเก็ต Amazon S3

4. ทันทีที่การอัปโหลดไฟล์เสร็จสิ้น ผู้ช่วย AI ที่ปรึกษาการพูดในที่สาธารณะจะประมวลผลการถอดเสียงและแจ้งขั้นตอนทางวิศวกรรมเพื่อสร้างคำแนะนำคำพูดและเขียนผลลัพธ์ใหม่

5. เมื่อการประมวลผลเสร็จสมบูรณ์ คุณจะสามารถเห็นผลลัพธ์คำแนะนำคำพูดและการเขียนคำพูดซ้ำบนหน้าเว็บ รวมถึงรับในอีเมลของคุณผ่านการแจ้งเตือนของ Amazon SNS

6. ที่ด้านขวาของหน้าเว็บ คุณสามารถดูขั้นตอนการประมวลผลทั้งหมดที่ดำเนินการโดยโซลูชันผู้ช่วย AI ของพี่เลี้ยงการพูดในที่สาธารณะ เพื่อรับผลลัพธ์คำพูดของคุณ

ทำความสะอาด

ทำตามขั้นตอนต่อไปนี้เพื่อล้างข้อมูลทรัพยากรของคุณ:

1. ยุติกระบวนการแอปพลิเคชันเซิร์ฟเวอร์ Streamlit ที่ทำงานอยู่ในสภาพแวดล้อมของคุณโดยใช้การดำเนินการ Ctrl+C
2. เปลี่ยนเป็นไดเร็กทอรี app ในพื้นที่เก็บข้อมูลของคุณ
3. ทำลาย AWS CloudFormation โดยใช้ AWS CDK สำหรับ Python

 cdk destroy

ข้อจำกัดบางประการ

• รหัสที่ให้มามีวัตถุประสงค์เพื่อใช้เป็นตัวอย่างและจุดเริ่มต้น ไม่ใช่พร้อมสำหรับการผลิต แอป Python อาศัยไลบรารีของบุคคลที่สาม เช่น Streamlit และ streamlit-cognito-auth ในฐานะนักพัฒนา มันเป็นความรับผิดชอบของคุณในการตรวจสอบ บำรุงรักษา และทดสอบการพึ่งพาของบุคคลที่สามทั้งหมดอย่างเหมาะสม กลไกการรับรองความถูกต้องและการอนุญาตโดยเฉพาะควรได้รับการประเมินอย่างละเอียด โดยทั่วไป คุณควรดำเนินการตรวจสอบและทดสอบความปลอดภัยก่อนที่จะรวมโค้ดสาธิตนี้ในแอปพลิเคชันที่ใช้งานจริงหรือกับข้อมูลที่ละเอียดอ่อน
• ในการสาธิตนี้ Amazon Cognito อยู่ในการกำหนดค่าที่เรียบง่าย โปรดทราบว่าพูลผู้ใช้ Amazon Cognito สามารถกำหนดค่าให้บังคับใช้นโยบายรหัสผ่านที่รัดกุม เปิดใช้งานการตรวจสอบสิทธิ์แบบหลายปัจจัย และตั้งค่า AdvancedSecurityMode เป็น ENFORCED เพื่อให้ระบบตรวจจับและดำเนินการเมื่อมีการพยายามลงชื่อเข้าใช้ที่เป็นอันตราย
• AWS ให้บริการต่างๆ ที่ไม่ได้นำมาใช้ในการสาธิตนี้ ซึ่งสามารถปรับปรุงความปลอดภัยของแอปพลิเคชันนี้ได้ บริการรักษาความปลอดภัยเครือข่าย เช่น ACL เครือข่ายและ AWS WAF สามารถควบคุมการเข้าถึงทรัพยากรได้ คุณยังสามารถใช้ AWS Shield สำหรับการป้องกัน DDoS และ Amazon GuardDuty สำหรับการตรวจจับภัยคุกคามได้ Amazon Inspector ดำเนินการประเมินความปลอดภัย มีบริการของ AWS และแนวทางปฏิบัติที่ดีที่สุดอีกมากมายที่สามารถเพิ่มความปลอดภัยได้ โปรดดูคำแนะนำเพิ่มเติมเกี่ยวกับโมเดลความรับผิดชอบร่วมกันของ AWS และแนวทางปฏิบัติที่ดีที่สุดด้านความปลอดภัย นักพัฒนามีหน้าที่รับผิดชอบในการใช้งานและกำหนดค่าบริการเหล่านี้อย่างเหมาะสมเพื่อให้ตรงตามข้อกำหนดด้านความปลอดภัยเฉพาะของพวกเขา
• แนะนำให้หมุนเวียนข้อมูลลับเป็นประจำ ไม่ได้นำมาใช้ในการสาธิตนี้

รับทราบ

โค้ดส่วนใหญ่สำหรับเว็บแอปสตรีมไฟ AWS Step Functions ได้รับแรงบันดาลใจจาก AWS Samples github repo ต่อไปนี้: Deploy-streamlit-app

ความปลอดภัย

ดูการมีส่วนร่วมสำหรับข้อมูลเพิ่มเติม

ใบอนุญาต

ห้องสมุดนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT-0 ดูไฟล์ใบอนุญาต