Détection des Composants d'IA dans la Chaîne d'Approvisionnement¶
Alors que l'intelligence artificielle devient omniprésente dans le développement de logiciels sur mesure, vos composants d'IA deviennent des éléments de plus en plus importants de votre inventaire de chaîne d'approvisionnement logicielle. Être capable d'identifier où vos équipes de développement mettent en œuvre l'IA et si leur mise en œuvre comporte des risques inutiles devient rapidement vital pour tout programme de sécurité logicielle.
La détection des composants d'IA de Boostsecurity dans la chaîne d'approvisionnement est un élément clé de votre gestion de la posture de sécurité des applications, vous permettant de savoir où l'IA est utilisée dans votre code source, et s'il existe des risques connus au sein de vos mises en œuvre ou modèles de langage.
Langages et Bibliothèques/Hubs Supportés¶
Le tableau suivant répertorie les bibliothèques et hubs d'IA pris en charge dans différents langages de programmation. Une coche (✅) indique le support pour le langage respectif.
| Bibliothèque | Python | Java | Go | JavaScript (JS) | C# | R |
|---|---|---|---|---|---|---|
| Anthropic | ✅ | ✅ | ||||
| CatBoost | ✅ | ✅ | ✅ | ✅ | ||
| DeepSeek | ✅ | ✅ | ||||
| H2O | ✅ | ✅ | ✅ | |||
| Hugging Face Hub | ✅ | ✅ | ||||
| Joblib | ✅ | |||||
| Kaggle Hub | ✅ | |||||
| Keras Hub | ✅ | |||||
| Meta Llama | ✅ | ✅ | ✅ | ✅ | ||
| MLFlow | ✅ | |||||
| Neptune AI | ✅ | |||||
| Ollama | ✅ | ✅ | ||||
| ONNX | ✅ | |||||
| OpenAI / AzureOpenAI | ✅ | ✅ | ✅ | ✅ | ✅ | |
| Pickle | ✅ | |||||
| PyTorch | ✅ | |||||
| PyTorch Hub | ✅ | |||||
| PyCaret | ✅ | |||||
| Scikit Learn Skops | ✅ | |||||
| Spark | ✅ | |||||
| TensorFlow | ✅ | ✅ | ✅ | |||
| TensorFlow Hub | ✅ | |||||
| Ultralytics | ✅ | |||||
| VertexAI | ✅ | ✅ | ✅ | |||
| Weights & Biases | ✅ | |||||
| XGBoost | ✅ |