# dependencies
11 artikelengetagd met “dependencies”
Supply chain-aanvallen op agents
AI-agents compromitteren via vergiftigde packages, MCP-servers met een backdoor, kwaadaardige model-registries en geweaponiseerde agent-frameworks -- inclusief de Postmark MCP-inbraak en de NullBulge-campagnes.
Juli 2026: supply chain-audit-uitdaging
Audit an ML project's entire supply chain for security issues including dependencies, model provenance, data pipelines, training infrastructure, and deployment artifacts.
Overzicht beveiliging AI-toeleveringsketen
Uitgebreid overzicht van het aanvalsoppervlak van de AI/ML-toeleveringsketen, met modelvergiftiging, datavergiftiging, afhankelijkheidsaanvallen en risicobeoordelingsframeworks afgestemd op OWASP LLM03:2025.
Dependency-scanning voor AI/ML
Defensiegerichte gids voor het scannen van AI/ML-dependencies op kwetsbaarheden, met aandacht voor AI-specifieke dependency-risico's, detectie van kwaadaardige packages, geautomatiseerde scanpipelines en policy-handhaving voor ML-toolchains.
Deep Supply Chain Analysis
Uitgebreide analyse van de dependencyboom van de AI-supplychain, met aandacht voor modelgewichten, tokenizers, datasets, bibliotheken en infrastructuurcomponenten, inclusief auditmethodologie.
ML Pipeline Supply Chain-beveiliging
Het beveiligen van de ML-pijplijn-supply-chain, van trainingsframework-dependencies tot serving-infrastructuurcomponenten.
Supply-chain-security voor ML-afhankelijkheden
Het beveiligen van de ML-supply-chain van afhankelijkheden, waaronder PyTorch, transformers en het downloaden van modelgewichten.
CTF: supply chain-aanval
Find and exploit vulnerabilities in an ML supply chain including compromised dependencies, poisoned models, backdoored training data, and malicious model files. Practice ML-specific supply chain security assessment.
Lab: supply chain-audit
Audit an ML project's dependencies for vulnerabilities, covering model files, Python packages, container images, and training data provenance.
Lab: scan van de ML-supply chain
Hands-on lab for auditing machine learning model dependencies, detecting malicious packages in ML pipelines, and scanning model files for backdoors and supply chain threats.
Walkthrough van prompt injection via de supply chain
Plant injection payloads in upstream data sources consumed by LLM applications including packages and documentation.