Pratiques de développement sécuritaires
Sécurité de l'IA et gestion des risques
Angeline Corvaglia
Founder and Digital Transformation Expert
Contrer les vulnérabilités propres à l'IA
Provenance et traçabilité des données
- Provenance des données : source des données
- Traçabilité : suivi de leur parcours
Utilité pour la sécurité
- Attaques par empoisonnement des données
- Données corrompues
Validation et assainissement
- Vérifier les données
- Nettoyer les données
Permet d'assurer des données :
- exactes
- pertinentes
- exemptes de toute altération malveillante
Minimisation des données
- Limiter la quantité de données recueillies et traitées
- Uniquement ce qui est strictement nécessaire
Aide à réduire les risques de :
- atteintes à la vie privée
- vol de données
Chiffrement et anonymisation
- Chiffrement : transforme les données sensibles en un format sécurisé
- Anonymisation : retirer les renseignements personnels identifiables
Utilité pour la sécurité :
- Attaques visant à extraire des renseignements sensibles
Pratiques de codage sécuritaires
- Réduire les vulnérabilités dans la base de code
- Revues de code régulières
- Analyse des vulnérabilités
- Respect des normes de codage
Utilité pour la sécurité
- Attaques sur l'infrastructure
Contrôles d'accès
- Limiter qui peut interagir
- Personnes ou entités fiables, vérifiées
Utilité pour la sécurité
- Attaques externes exploitant des vulnérabilités
Infrastructure sécurisée
- Protéger le matériel et les logiciels
- Pare-feu
- Systèmes de détection d'intrusion
- Services infonuagiques sécurisés
Utilité pour la sécurité
- Menaces visant l'infrastructure
La sécurité ne relève pas que de l'équipe techno
Un effort conjoint assure des systèmes d'IA sécurisés, fiables et dignes de confiance.
