Les plateformes de modèles d'IA sont exposées à des vecteurs d'abus spécifiques, allant des données d'entraînement empoisonnées et des déclencheurs cachés jusqu'à la reproduction de comportements et aux fuites d'informations confidentielles. Ce cours permet d'acquérir une expertise en matière de défense pour associer ces risques à des objectifs de contrôle, renforcer les mesures de protection des données et des services, et élaborer un plan de durcissement vérifié pour un service de modèle réel.
Le cours traite des surfaces d'attaque des modèles, de l'empoisonnement lors de l'entraînement et du réglage fin, de l'évaluation des portes dérobées, de la résistance à l'extraction via API et des risques pour la confidentialité liés à l'inversion et à l'inférence d'appartenance. Il aborde également la provenance, le filtrage d'accès (gating), la surveillance, la limitation de débit, le façonnage des réponses, le renforcement des sorties, les contrôles d'accès et les artefacts de vérification.