Vérification de l’exposition possible de données sensibles utilisées dans l’entraînement de modèles d’apprentissage automatique et de LLM. Inclut l’injection de prompts, les attaques par inférence d’appartenance et les techniques d’inversion de modèle pour déterminer si des informations confidentielles, des PII ou de la propriété intellectuelle présentes dans les jeux de données d’entraînement peuvent être extraites ou déduites des réponses du modèle.