大規模な安全な機械学習のためのMLSecOpsの採用 from venturebeat.com

つまり、MLモデルで推論を実行できます。
サプライチェーンの脆弱性があらゆるソフトウェア環境で侵害を引き起こす可能性があるのと同様に、MLモデル周辺のエコシステムを攻撃する可能性もあります。
MLの場合、これらの課題は非常に複雑になる可能性があります。
たとえば、MLモデルとコードに固有の2つの高レベルの領域のみを取り上げましたが、MLシステムインフラストラクチャにはさまざまな課題もあります。
この場合のMLSecOpsの役割は、データサイエンティストと開発チームの作業を最小限に抑えながら、モデルアクセスを強化する強力なプラクティスを開発し、チームがはるかに効率的かつ効果的に運用できるようにすることです。
MLモデルとそれに関連する環境をハッキングできないようにすることはできませんが、ほとんどのセキュリティ違反は、開発ライフサイクルのさまざまな段階でのベストプラクティスの欠如が原因でのみ発生します。