MITRE ATLAS

MITRE ATLAS est une base de connaissances des tactiques, techniques et procédures (TTP) adversarielles spécifiques à l'apprentissage automatique. Il traduit les attaques du monde réel en une taxonomie structurée pour la planification de la défense.

Voir le flux de travail →

Les Quatre Phases

Une attaque suit un processus reproductible et documenté.

  • Reconnaissance
  • Développement de ressource
  • Livraison & exécution
  • Impact & exfiltration

Concepts Fondamentaux

Les fondations de la compréhension de ces vulnérabilités et contrôles.

Tactiques et Techniques ATLAS

ATLAS couvre huit tactiques principales : Reconnaissance (collecte d'informations sur les systèmes ML), Développement de ressource (construction d'infrastructure d'attaque), Livraison (introduction d'attaques dans le système), Exécution, Persistance et Impact. Chaque tactique contient des techniques spécifiques.

  • Reconnaissance : scanner les modèles ML, sonder les vulnérabilités
  • Développement de ressource : développer le code d'exploitation, construire des modèles de substitution
  • Livraison : télécharger des données empoisonnées, injecter des prompts, distribuer des backdoors
  • Exécution : déclencher des attaques lors du fonctionnement normal du modèle

Cartographier Votre Pipeline ML à ATLAS

Chaque composant ML est une surface d'attaque potentielle cartographiée dans ATLAS : pipeline de données (empoisonnement), entraînement (backdoors), inférence (évasion) et déploiement (chaîne d'approvisionnement). Le cadre vous aide à identifier quelles techniques s'appliquent à vos systèmes.

  • Identifier les techniques à haut risque spécifiques à votre architecture
  • Concevoir la détection et la prévention pour chaque technique
  • Établir des procédures de surveillance et de threat hunting
  • Documenter les TTP et maintenir une cartographie threat-to-defense

Le Flux de Travail de Mise en Œuvre

Chaque phase est méthodique et reproductible. Aucune phase n'est sautée ; chacune a des objectifs clairs.

Cartographier votre pipeline ML à ATLAS

Entrée de données → Entraînement → Service du modèle → Sortie. Quelles tactiques s'appliquent à chaque étape ?

Identifier les techniques à haut risque

Quelles techniques posent la plus grande menace pour votre application ? Données ? Intégrité du modèle ? Disponibilité ?

Concevoir la détection et la prévention

Pour chaque technique à haut risque, déployer la surveillance, la détection d'anomalies et les contrôles d'accès.

Documenter les réponses aux menaces

Maintenir un playbook : TTP → Détection → Réponse. Mettre à jour en fonction des résultats du red team.

Pages Associées

Approfondissements sur les sujets d'attaque et défense connexes.

OWASP LLM Top 10

Risques OWASP cartographiés aux tactiques et techniques ATLAS.

Audit IA & Cadre de Méthode

Méthodologie de test alignée avec les TTP ATLAS.

Red Teaming LLM

Campagnes structurées pour valider la couverture technique d'ATLAS.

Gouvernance IA & AI Act

Intégration ATLAS dans l'audit réglementaire et la conformité.