Artwork

A tartalmat a MLSecOps.com biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a MLSecOps.com vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
Player FM - Podcast alkalmazás
Lépjen offline állapotba az Player FM alkalmazással!

AI Audits: Uncovering Risks in ML Systems; With Guest: Shea Brown, PhD

41:02
 
Megosztás
 

Manage episode 362311986 series 3461851
A tartalmat a MLSecOps.com biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a MLSecOps.com vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.

Send us a text

Shea Brown, PhD explores with us the “W’s” and security practices related to AI and algorithm audits.

What is included in an AI audit?

Who is requesting AI audits and, conversely, who isn’t requesting them but should be?

When should organizations request a third party audit of their AI/ML systems and machine learning algorithms?

Why should they do so? What are some organizational risks and potential public harms that could result from not auditing AI/ML systems?

What are some next steps to take if the results of your audit are unsatisfactory or noncompliant?

Shea Brown, PhD; is the Founder and CEO of BABL AI, and a faculty member in the Department of Physics & Astronomy at the University of Iowa.

Thanks for checking out the MLSecOps Podcast! Get involved with the MLSecOps Community and find more resources at https://community.mlsecops.com.
Additional tools and resources to check out:
Protect AI Guardian: Zero Trust for ML Models

Recon: Automated Red Teaming for GenAI

Protect AI’s ML Security-Focused Open Source Tools

LLM Guard Open Source Security Toolkit for LLM Interactions

Huntr - The World's First AI/Machine Learning Bug Bounty Platform

  continue reading

41 epizódok

Artwork
iconMegosztás
 
Manage episode 362311986 series 3461851
A tartalmat a MLSecOps.com biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a MLSecOps.com vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.

Send us a text

Shea Brown, PhD explores with us the “W’s” and security practices related to AI and algorithm audits.

What is included in an AI audit?

Who is requesting AI audits and, conversely, who isn’t requesting them but should be?

When should organizations request a third party audit of their AI/ML systems and machine learning algorithms?

Why should they do so? What are some organizational risks and potential public harms that could result from not auditing AI/ML systems?

What are some next steps to take if the results of your audit are unsatisfactory or noncompliant?

Shea Brown, PhD; is the Founder and CEO of BABL AI, and a faculty member in the Department of Physics & Astronomy at the University of Iowa.

Thanks for checking out the MLSecOps Podcast! Get involved with the MLSecOps Community and find more resources at https://community.mlsecops.com.
Additional tools and resources to check out:
Protect AI Guardian: Zero Trust for ML Models

Recon: Automated Red Teaming for GenAI

Protect AI’s ML Security-Focused Open Source Tools

LLM Guard Open Source Security Toolkit for LLM Interactions

Huntr - The World's First AI/Machine Learning Bug Bounty Platform

  continue reading

41 epizódok

所有剧集

×
 
Loading …

Üdvözlünk a Player FM-nél!

A Player FM lejátszó az internetet böngészi a kiváló minőségű podcastok után, hogy ön élvezhesse azokat. Ez a legjobb podcast-alkalmazás, Androidon, iPhone-on és a weben is működik. Jelentkezzen be az feliratkozások szinkronizálásához az eszközök között.

 

Gyors referencia kézikönyv