Pratiques de développement sécurisées
Sécurité de l’IA et gestion des risques
Angeline Corvaglia
Founder and Digital Transformation Expert
Contrecarrer les vulnérabilités propres à l’IA
Provenance et traçabilité des données
- Provenance des données : origine des données
- Traçabilité : suivi de son parcours
Apports pour la sécurité
- Attaques par empoisonnement des données
- Données corrompues
Validation et assainissement
- Vérifier les données
- Nettoyer les données
Garantit des données :
- exactes
- pertinentes
- sans manipulation malveillante
Minimisation des données
- Limiter la quantité de données collectées et traitées
- Uniquement ce qui est strictement nécessaire
Réduit le risque de :
- violations de la vie privée
- vol de données
Chiffrement et anonymisation
- Chiffrement : transforme les données sensibles en format sécurisé
- Anonymisation : supprimer les informations identifiantes
Apports pour la sécurité :
- Attaques visant l’extraction d’informations sensibles
Pratiques de codage sécurisé
- Réduire les vulnérabilités du code
- Relectures de code régulières
- Analyse de vulnérabilités
- Respect des normes de codage
Apports pour la sécurité
- Attaques sur l’infrastructure
Contrôles d’accès
- Limiter qui peut interagir
- Personnes ou entités de confiance, vérifiées
Apports pour la sécurité
- Attaques externes exploitant des vulnérabilités
Infrastructure sécurisée
- Protéger matériel et logiciel
- Pare-feux
- Systèmes de détection d’intrusion
- Services cloud sécurisés
Apports pour la sécurité
- Menaces visant l’infrastructure
La sécurité n’est pas réservée à l’équipe technique
Un effort conjoint garantit des systèmes d’IA sûrs, dignes de confiance et fiables.
