# experiment-tracking

標記為「experiment-tracking」的 6 篇文章

實驗追蹤攻擊

針對 ML 實驗追蹤系統(MLflow、Weights & Biases)的攻擊,包含 Artifact 注入與資料外洩。

MLflow 部署的安全強化,包含認證、Artifact 儲存、網路與 API 存取控制。

ML 實驗追蹤系統中的安全風險：會被記錄什麼、哪些是敏感內容，以及追蹤平台為何成為攻擊者尋求智財與管線存取的高價值目標。

實驗元資料如何洩漏敏感資訊:超參數揭露架構機密、損失曲線透露訓練資料性質、執行名稱與標籤暴露專案意圖,以及從 ML 實驗日誌中擷取情報的技術。

Weights & Biases（W&B／wandb）之安全分析：API 金鑰曝露、實驗資料洩漏、團隊邊界越界、產物投毒，以及 W&B 平台特有之攻擊技術。

保護 MLflow、Weights & Biases、Neptune 等實驗追蹤系統。