Sécurité des systèmes d’apprentissage automatique, y compris les modèles supervisés, non supervisés et par renforcement. Traite des attaques adverses, de l’évasion de modèles, de l’empoisonnement de données, de l’inférence d’appartenance, de l’inversion de modèles, de la robustesse des modèles, des défenses contre la manipulation des jeux de données d’entraînement et de la validation de la sécurité dans les pipelines ML/MLOps.