awesome-MLSecOps
Una lista curada de herramientas y recursos de MLSecOps para asegurar sistemas de aprendizaje automático e IA - defensa ML adversarial, seguridad LLM, red teaming de IA, escaneo de modelos, protección de la cadena de suministro y seguridad de pipelines de MLOps.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasUna lista curada de herramientas y recursos de MLSecOps para asegurar sistemas de aprendizaje automático e IA - defensa ML adversarial, seguridad LLM, red teaming de IA, escaneo de modelos, protección de la cadena de suministro y seguridad de pipelines de MLOps.
awesome-MLSecOps tiene 443 estrellas en GitHub. Se ha bifurcado 90 veces. awesome-MLSecOps está escrito principalmente en Astro. Se desarrolla activamente desde 2023. awesome-MLSecOps está disponible bajo la licencia MIT. Sus temas principales son: adversarial-machine-learning, agentic-security, ai-agents, ai-governance.
¿Qué es awesome-MLSecOps?
Una lista curada de herramientas y recursos de MLSecOps para asegurar sistemas de aprendizaje automático e IA - defensa ML adversarial, seguridad LLM, red teaming de IA, escaneo de modelos, protección de la cadena de suministro y seguridad de pipelines de MLOps.
¿awesome-MLSecOps es de código abierto?
awesome-MLSecOps es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿awesome-MLSecOps es gratis?
Sí. awesome-MLSecOps es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está awesome-MLSecOps?
awesome-MLSecOps está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito awesome-MLSecOps?
awesome-MLSecOps está escrito principalmente en Astro.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://opensourceai.tech/project/riccardobiosas-awesome-mlsecops.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.