maride/hacktricks
1
0
Fork 0
mirror of https://github.com/HackTricks-wiki/hacktricks.git synced 2025-10-10 18:36:50 +00:00
Code Issues Packages Projects Releases Wiki Activity

Translated ['src/AI/README.md'] to fr

Browse Source
This commit is contained in:
Translator 2025-06-08 13:50:37 +00:00
parent 8481c28e3b
commit 443631bd5f
1 changed files with 9 additions and 9 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

18
src/AI/README.md
View File

@ -1,8 +1,8 @@
# IA en Cybersécurité # AI en cybersécurité
{{#include ../banners/hacktricks-training.md}} {{#include ../banners/hacktricks-training.md}}
## Principaux Algorithmes d'Apprentissage Automatique ## Principaux algorithmes d'apprentissage automatique
Le meilleur point de départ pour apprendre sur l'IA est de comprendre comment fonctionnent les principaux algorithmes d'apprentissage automatique. Cela vous aidera à comprendre comment l'IA fonctionne, comment l'utiliser et comment l'attaquer : Le meilleur point de départ pour apprendre sur l'IA est de comprendre comment fonctionnent les principaux algorithmes d'apprentissage automatique. Cela vous aidera à comprendre comment l'IA fonctionne, comment l'utiliser et comment l'attaquer :
@ -27,12 +27,12 @@ Le meilleur point de départ pour apprendre sur l'IA est de comprendre comment f
Dans la page suivante, vous trouverez les bases de chaque composant pour construire un LLM de base en utilisant des transformateurs : Dans la page suivante, vous trouverez les bases de chaque composant pour construire un LLM de base en utilisant des transformateurs :
{{#ref}} {{#ref}}
llm-architecture/README.md AI-llm-architecture/README.md
{{#endref}} {{#endref}}
## Sécurité de l'IA ## Sécurité de l'IA
### Cadres de Risque de l'IA ### Cadres de risque de l'IA
À ce moment, les 2 principaux cadres pour évaluer les risques des systèmes d'IA sont l'OWASP ML Top 10 et le Google SAIF : À ce moment, les 2 principaux cadres pour évaluer les risques des systèmes d'IA sont l'OWASP ML Top 10 et le Google SAIF :
@ -40,23 +40,23 @@ llm-architecture/README.md
AI-Risk-Frameworks.md AI-Risk-Frameworks.md
{{#endref}} {{#endref}}
### Sécurité des Prompts d'IA ### Sécurité des prompts d'IA
Les LLMs ont fait exploser l'utilisation de l'IA ces dernières années, mais ils ne sont pas parfaits et peuvent être trompés par des prompts adverses. C'est un sujet très important pour comprendre comment utiliser l'IA en toute sécurité et comment l'attaquer : Les LLMs ont fait exploser l'utilisation de l'IA ces dernières années, mais ils ne sont pas parfaits et peuvent être trompés par des prompts adversariaux. C'est un sujet très important pour comprendre comment utiliser l'IA en toute sécurité et comment l'attaquer :
{{#ref}} {{#ref}}
AI-Prompts.md AI-Prompts.md
{{#endref}} {{#endref}}
### RCE des Modèles d'IA ### RCE des modèles d'IA
Il est très courant pour les développeurs et les entreprises d'exécuter des modèles téléchargés depuis Internet, cependant, simplement charger un modèle peut suffire à exécuter du code arbitraire sur le système. C'est un sujet très important pour comprendre comment utiliser l'IA en toute sécurité et comment l'attaquer : Il est très courant pour les développeurs et les entreprises d'exécuter des modèles téléchargés depuis Internet, cependant, le simple chargement d'un modèle peut suffire à exécuter du code arbitraire sur le système. C'est un sujet très important pour comprendre comment utiliser l'IA en toute sécurité et comment l'attaquer :
{{#ref}} {{#ref}}
AI-Models-RCE.md AI-Models-RCE.md
{{#endref}} {{#endref}}
### Protocole de Contexte des Modèles d'IA ### Protocole de contexte des modèles d'IA
MCP (Model Context Protocol) est un protocole qui permet aux clients agents d'IA de se connecter à des outils externes et à des sources de données de manière plug-and-play. Cela permet des flux de travail complexes et des interactions entre les modèles d'IA et les systèmes externes : MCP (Model Context Protocol) est un protocole qui permet aux clients agents d'IA de se connecter à des outils externes et à des sources de données de manière plug-and-play. Cela permet des flux de travail complexes et des interactions entre les modèles d'IA et les systèmes externes :