Prácticas de desarrollo seguro
Seguridad y gestión de riesgos de la IA
Angeline Corvaglia
Founder and Digital Transformation Expert
Contrarrestar las vulnerabilidades únicas de la IA
Procedencia y trazabilidad de datos
- Procedencia de datos: origen de los datos
- Trazabilidad: seguimiento de su recorrido
Cómo ayuda a la seguridad
- Envenenamiento de datos
- Datos corruptos
Validación y saneamiento
- Validar datos
- Limpiar datos
Ayuda a que los datos sean:
- precisos
- relevantes
- libres de manipulación maliciosa
Minimización de datos
- Limitar los datos que se recogen y procesan
- Solo lo estrictamente necesario
Reduce el riesgo de:
- brechas de privacidad
- robo de datos
Cifrado y anonimización
- Cifrado: transforma datos sensibles en un formato seguro
- Anonimización: elimina datos personales identificables
Cómo ayuda a la seguridad:
- Ataques que buscan extraer información sensible
Prácticas de codificación segura
- Reducir vulnerabilidades en el código
- Revisiones de código regulares
- Escaneo de vulnerabilidades
- Seguir estándares de codificación
Cómo ayuda a la seguridad
- Ataques a la infraestructura
Controles de acceso
- Limitar quién puede interactuar
- Individuos o entidades de confianza y verificadas
Cómo ayuda a la seguridad
- Ataques externos que explotan vulnerabilidades
Infraestructura segura
- Proteger hardware y software
- Cortafuegos
- Sistemas de detección de intrusos
- Servicios en la nube seguros
Cómo ayuda a la seguridad
- Amenazas dirigidas a la infraestructura
La seguridad no es solo del equipo técnico
El esfuerzo conjunto asegura sistemas de IA seguros, confiables y fiables.
