Méthodologies et pratiques pour les tests de sécurité des systèmes basés sur l’intelligence artificielle, l’apprentissage automatique et l’apprentissage profond. Inclut les tests adverses, l’évaluation de la robustesse, les tests d’injection de prompts, les tentatives d’extraction de modèles, la détection d’empoisonnement des données, l’évaluation des fuites de confidentialité et la vérification de la résilience contre les attaques spécifiques à l’IA comme l’inférence d’appartenance, l’inversion de modèle et l’injection de portes dérobées.