Dernière mise à jour :
Autoriser exclusivement les sources de données, bibliothèques ou composants de modèles préalablement approuvés au sein des pipelines d'IA, afin de limiter les risques liés à des éléments non vérifiés ou malveillants.
Un contrôle de sécurité restrictif par lequel seuls les artefacts explicitement autorisés (URI de jeux de données, packages Python, images de conteneurs) sont permis dans les flux de travail d'entraînement et d'inférence. La gouvernance gère un registre central de liste blanche, assorti de processus d'approbation pour les ajouts et de révisions périodiques afin de supprimer les entrées obsolètes, garantissant ainsi que tous les composants du pipeline respectent les normes de sécurité et de conformité de l'entreprise.
Exemple concret :
Une entreprise de services financiers configure son environnement MLOps de manière à ce que seuls les conteneurs Docker provenant du registre interne d'images approuvées puissent exécuter des tâches d'entraînement. Toute tentative d'utilisation d'images non répertoriées est automatiquement bloquée, empêchant ainsi l'introduction de codes non validés ou de vulnérabilités.
