AIML et Sécurité : l'association n'est pas toujours évidente. Pourtant les projets AIML sont également susceptibles d'attaques. Quels sont les risques ? Qu'est ce qu'une personne malveillante va chercher à faire avec vos données, vos entraînements et vos points d'inférences ? Comment les protéger ? Quelles sont les implications du RGPD sur l'AIML ? Ce sont ces sujets et bien d'autres dont nous parlons cette semaine.

Laissez-moi vos commentaires sur Twitter, abonnez vous sur ma chaîne YouTube ou Twitch.tv

Liens

Voici les liens vers les services dont nous avons parlé dans l’épisode.

• L’article de blog en français qui accompagne cet épisode du podcast
• SageMaker
• Le drift d’infrastructure - un podcast à ré-écouter.
• SageMaker Clarify - Le droit à l’explication sur les décisions d’inférence.
• Shap - Shapley Values
• AWS DataBrew - Preparation des données avec un Spark Managé
• Amazon SageMaker Data Wrangler )- Préparation des données depuis l’IDE de SagemKaer
• Amazon Macie - Détecter l’utilisation de données personnelles
• Amazon TextractExtraction de texte de formulaires scannés
• Amazon Rekognition - Reconnaissance d’objets et de textes dans une image
• Attaque de Fuzzing - OWASP
• Generative Adversarial Network - GAN
• Service Control Policies - Limiter les droits de mes utilisateurs sur mes comptes AWS
• SageMaker Model Monitor - détecter les drifts sur les modèles
• Détecter les éléphants dans la pièce - un article de Quanta Magazine de 2018
• AIML Lens du well-architected framework.
• Risk Management and Security in Machine Learning and Data Science Environments - un talk du DevDay AWS, par Dave Walker. Disponible à la demande après inscription.