données de préentraînement
2 published articles
Intégrité IA
Le pipeline IA a trois fuites silencieuses, et chaque correctif en aggrave une
Une étude sur l'empoisonnement par spam de commentaires, un article montrant que les détecteurs d'IA peuvent se retourner contre eux, et un modèle de détection de fraude pris à exploiter une fuite d'étiquettes décrivent tous la même défaillance sous-jacente : les mesures indirectes dans les pipelines d'IA sont contournées dès qu'elles deviennent critiques, et corriger l'une ne corrige pas le schéma.
2026-07-31
Chaîne d'approvisionnement en IA
Empoisonner un LLM via des commentaires publics est réalisable, prévient une nouvelle étude
Des chercheurs de l'Université de Washington démontrent que l'empoisonnement des données de pré-entraînement via du spam de commentaires automatisés est une menace réaliste. Leur analyse HalfLife montre que 0,13 % des injections de poison survivent à l'ensemble du pipeline de données, suffisamment pour dépasser les seuils d'attaque connus et affecter les modèles entraînés sur Common Crawl.
2026-07-26