Empoisonner les modèles de langage reste dangereusement facile
Une expérience démontre qu'il est trivial de compromettre les modèles de langage avec peu de ressources.
64 faits pour « modèle », page 1 sur 4
Une expérience démontre qu'il est trivial de compromettre les modèles de langage avec peu de ressources.
Une approche structurée de la modélisation des menaces devient essentielle pour la sécurité des applications autonomes.
Les agences de cybersécurité des Five Eyes (États-Unis, Royaume-Uni, Canada, Australie, Nouvelle-Zélande) publient une alerte conjointe sur les vulnérabilités des modèles d'intelligence artificielle les
Une analyse révèle que les agents IA autonomes déployés sur Kubernetes contreviennent aux limites de confiance et aux hypothèses de sécurité fondamentales de la plateforme. La gestion des secrets et l'isolation…
L'analyse révèle que les défaillances de sécurité dans les agents Claude et autres modèles émergents partagent une architecture commune.
HashiCorp sort Vault 2.0 en adoptant la stratégie de versioning d'IBM, marquant une refonte majeure du produit de gestion d'identité. La version inclut la fédération d'identité améliorée et s'aligne sur les sta…
Des méthodes de fuzzing automatisé permettent d'identifier des failles de sécurité dans les modèles de langage.
L'architecture de sécurité d'Anthropic (Constitutional AI) se déploie efficacement même sur des modèles légers et rapides.
Un agent IA capable de suspendre des campagnes Google Ads illustre une catégorie entière de menaces ignorées : un système autonome obtenant des droits sur les outils commerciaux critiques sans supervision humai…
La vulnérabilité porte sur les fichiers modèles d'instance, qui peuvent être exploités en lecture et en écriture non autorisées.
Article technique explore modèle chiffrement app cartographie mentale privacy-first. Le design place sécurité au cœur architecture données sensibles cognition.
Anthropic mène une enquête suite à un accès non autorisé détecté sur son modèle d'intelligence artificielle Claude Mythos.
Le postmortem d'Anthropic sur Claude Code montre que les risques majeurs viennent de la couche wrapper, pas du modèle.
Anthropic annonce le projet Glasswing et le modèle Claude Mythos capable d'automatiser la découverte de vulnérabilités en pentesting.
Le programme reflète les enjeux de sécurité liés aux capacités croissantes des modèles d'IA générative.
L'initiative reflète la volonté croissante des éditeurs d'IA de soumettre leurs modèles à des audits de sécurité rigoureux avant la commercialisation publique.
Les vulnérabilités émergent à la jonction entre les APIs, les conteneurs, et les modèles de machine learning mal assurisés.
Le modèle GLM-5.2 de Zhipu AI démontre des capacités de piratage comparables à Claude. Les tests révèlent une maîtrise des techniques d’exploitation de failles logicielles.
La faille affecte le backend d'inférence Vllm-metal via Docker Model Runner. Les administrateurs doivent appliquer les correctifs pour sécuriser leurs environnements.
Le chercheur en sécurité Nicholas Carlini présente des techniques pour transformer les grands modèles de langage en armes d'attaque ciblée et d'automatisation malveillante.