Aggiornamenti di Zilliz Cloud BYOC: porta sicurezza di livello enterprise, isolamento di rete e molto altro
Mentre le organizzazioni spostano le applicazioni di ricerca AI dai prototipi alla produzione, affrontano una sfida infrastrutturale critica: come distribuire database vettoriali mantenendo al contempo rigorosi requisiti di sicurezza e conformità. Secondo il sondaggio McKinsey del 2024, mentre il 72% delle organizzazioni sta ora utilizzando l'AI, quasi la metà delle organizzazioni sanitarie limita ancora l'adozione dell'AI a causa di preoccupazioni relative alla privacy dei dati. Il problema centrale non è la tecnologia AI in sé, ma l'infrastruttura necessaria per distribuirla in modo sicuro su larga scala.
Questa release di Zilliz Cloud BYOC affronta queste sfide di distribuzione con nuove funzionalità di sicurezza e capacità operative migliorate. Le organizzazioni possono ora eseguire l'infrastruttura di ricerca vettoriale nel proprio ambiente cloud con un controllo migliorato sui propri dati e sulle proprie operazioni.
Il dilemma dell'infrastruttura AI aziendale
Le organizzazioni che implementano l'AI su larga scala affrontano una sfida critica che spesso si manifesta nelle sale riunioni dei consigli di amministrazione nei settori regolamentati: mentre i progetti pilota di AI dimostrano risultati impressionanti, come miglioramenti del 40% nei tempi di risposta del servizio clienti, passare dal prototipo alla produzione non significa semplicemente aumentare la scala. Richiede di navigare in un complesso labirinto di requisiti di sicurezza, normative di conformità e vincoli operativi.
Gli approcci tradizionali comportano ciascuno compromessi significativi:
Soluzioni SaaS pubbliche: pur offrendo solide capacità pronte all'uso, richiedono che i dati risiedano negli account cloud del fornitore e che le comunicazioni avvengano su reti pubbliche, spesso un ostacolo insormontabile per i settori regolamentati.
Distribuzioni on-premise: pur fornendo un controllo completo, richiedono investimenti significativi in team DevOps dedicati e creano un sovraccarico operativo che può diventare schiacciante man mano che la tecnologia AI evolve.
Architettura BYOC: sicurezza by design
L'architettura BYOC implementa un design a doppio piano che garantisce la completa sovranità dei dati offrendo al contempo la comodità di un servizio gestito. Al suo centro, il control plane funge da livello di gestione, gestendo attività operative critiche senza mai accedere ai dati dei clienti. Orchestra la pianificazione delle risorse, gli aggiornamenti di sistema e il provisioning dell'infrastruttura tramite connessioni sicure e crittografate con policy di accesso rigorosamente controllate e canali di comunicazione dedicati. Questa architettura consente una gestione automatizzata mantenendo rigorosi controlli di accesso: qualsiasi accesso per la risoluzione dei problemi da parte degli ingegneri Zilliz richiede il consenso esplicito del cliente e segue un rigoroso protocollo di sicurezza.
Il data plane, eseguito interamente all'interno della VPC del cliente, gestisce tutte le operazioni sui dati con isolamento completo. Ogni ricerca vettoriale, processo di query e operazione di gestione degli indici avviene entro i confini della tua rete. Tutti i dati e i metadati sono contenuti in modo sicuro all'interno della tua VPC, con comunicazioni protette dalla crittografia TLS.
Basandosi su questa solida base sicura, questa release introduce una serie di nuove funzionalità che migliorano sia la sicurezza sia le capacità operative:
Controllo granulare delle autorizzazioni
Questa release introduce un sistema completo di gestione delle autorizzazioni che implementa un vero accesso con privilegi minimi attraverso sofisticate integrazioni IAM. Alla base c'è un nuovo set di autorizzazioni per il ruolo di storage che consente un controllo granulare sulle operazioni S3, dall'elenco dei bucket al recupero degli oggetti e alle modifiche dei dati. Ogni operazione è esplicitamente definita e controllata, garantendo che l'accesso ai dati segua rigorosi protocolli di sicurezza.
Il sistema va oltre i controlli di storage di base, includendo capacità dettagliate di gestione dei ruoli EKS. Incorpora autorizzazioni gestite da AWS per l'accesso al registro container EC2, il controllo delle risorse VPC e le policy dei cluster, integrandosi al contempo con le autorizzazioni Kubernetes SIGs per il controllo dei load balancer, la gestione dello storage EBS e l'auto-scaling dei cluster.
Un’aggiunta particolarmente potente è il nuovo framework di ruoli cross-account, che consente un controllo preciso sulla creazione dei cluster, sulla gestione dei gruppi di nodi e sul tagging delle risorse. Le organizzazioni possono ora gestire le autorizzazioni su più livelli—organizzazione, progetto e cluster—con ciascuna autorizzazione accuratamente limitata a risorse e operazioni specifiche. Questo approccio granulare garantisce che i team possano operare in modo efficiente mantenendo al contempo rigorosi confini di sicurezza.
Logging di audit completo
Il nuovo sistema di logging di audit trasforma la visibilità operativa acquisendo ogni interazione all’interno del data plane. Ogni query di ricerca, creazione di indice e modifica dei dati viene registrata con il contesto di esecuzione completo, inclusi parametri di query, metriche di performance e utilizzo delle risorse. Il sistema va oltre le operazioni di database per tracciare tutte le modifiche di configurazione, le operazioni di scaling e gli aggiornamenti dell’infrastruttura, acquisendo stati dettagliati prima e dopo. Inoltre, ogni tentativo di autenticazione, controllo delle autorizzazioni e accesso alle risorse viene registrato con il contesto utente completo e i pattern di accesso.
I log vengono automaticamente trasmessi al bucket di storage designato con un’organizzazione strutturata:
Percorsi file strutturati:
/<Cluster ID>/<Log type>/<Date>Naming standardizzato:
HH:MM:SS-$UUID
Questo approccio strutturato semplifica le revisioni di sicurezza, gli audit di conformità e la risoluzione dei problemi operativi. L’integrazione con AWS CloudWatch offre ulteriori funzionalità di monitoraggio e analisi.
Sicurezza di rete migliorata
Questa release introduce l’isolamento completo della rete tramite l’integrazione con AWS PrivateLink. Le organizzazioni possono ora creare endpoint privati all’interno delle proprie VPC applicative per un accesso sicuro ai cluster, eliminando l’esposizione a Internet pubblico per tutte le operazioni di ricerca vettoriale. Il servizio è disponibile nelle regioni us-west-2 ed eu-central-1, con integrazione fluida nei gruppi di sicurezza VPC e nelle ACL di rete esistenti. Le organizzazioni mantengono il pieno controllo tramite endpoint gestiti dal cliente e policy di sicurezza.
Anche il modello di sicurezza delle comunicazioni è stato significativamente migliorato. Tutte le comunicazioni di sistema ora operano esclusivamente tramite la porta in uscita 443, con crittografia TLS 1.2+ e supporto per la gestione di certificati personalizzati. Un nuovo Network Load Balancer abilitato per WAF offre funzionalità avanzate di rilevamento e blocco delle minacce, insieme a set di regole personalizzati per il controllo degli accessi e la protezione DDoS. Il supporto avanzato per private link garantisce percorsi di connessione dedicati per il traffico del control plane, con policy di routing isolate e monitoraggio di rete granulare.
Automazione dell’infrastruttura
Questa release include un supporto completo per l’infrastructure-as-code tramite AWS CloudFormation e Terraform per semplificare i deployment. I template CloudFormation forniscono il provisioning completo dell’infrastruttura BYOC, con gruppi di sicurezza preconfigurati, impostazioni di rete e configurazione automatizzata dei cluster EKS secondo le best practice di sicurezza. I template supportano parametri personalizzati per configurazioni specifiche dell’ambiente e si integrano nativamente con le risorse VPC esistenti.
Per i team che utilizzano Terraform, abbiamo sviluppato script di deployment modulari che gestiscono tutto, dalla creazione di bucket S3 con crittografia e policy di accesso appropriate alla configurazione dei ruoli IAM con set di autorizzazioni basati sul principio del privilegio minimo. Gli script implementano best practice di gestione dello stato e supportano deployment in più ambienti con template di variabili personalizzati per soddisfare i requisiti enterprise.
Prospettive future: supporto multi-cloud
Sebbene questa release si concentri sulle funzionalità AWS, stiamo sviluppando attivamente il supporto per altri principali provider cloud. Il supporto per Google Cloud Platform è ora disponibile come private preview, con Azure nella nostra roadmap a breve termine. Questa espansione consentirà una vera flessibilità di deployment multi-cloud, soddisfacendo le diverse esigenze dei clienti enterprise in differenti ambienti cloud.
Zilliz Cloud BYOC è attualmente generalmente disponibile su AWS. Le organizzazioni interessate a implementare un'infrastruttura di ricerca vettoriale con sicurezza e controllo di livello enterprise possono contattare il nostro team per saperne di più sulle opzioni e sui requisiti di implementazione.
La versione aggiornata di Zilliz Cloud BYOC rappresenta un significativo passo avanti nell'infrastruttura AI enterprise, consentendo alle organizzazioni di implementare funzionalità di ricerca vettoriale pronte per la produzione mantenendo al contempo rigorosi standard di sicurezza e conformità. Poiché l'AI continua a trasformare le operazioni enterprise, soluzioni come BYOC saranno essenziali per le organizzazioni che si impegnano a bilanciare innovazione, sicurezza e controllo.
Continua a leggere
Why I’m Against Claude Code’s Grep-Only Retrieval? It Just Burns Too Many Tokens
Learn how vector-based code retrieval cuts Claude Code token consumption by 40%. Open-source solution with easy MCP integration. Try claude-context today.
Announcing the General Availability of Zilliz Cloud BYOC on Google Cloud Platform
Zilliz Cloud BYOC on GCP offers enterprise vector search with full data sovereignty and seamless integration.
1 Table = 1000 Words? Foundation Models for Tabular Data
TableGPT2 automates tabular data insights, overcoming schema variability, while Milvus accelerates vector search for efficient, scalable decision-making.