SECURE AI – Sécuriser les applications LLM
Identifier et réduire les principales vulnérabilités des applications basées sur des LLM.
Pas certain de votre choix ?
Présentation
Identifier et réduire les principales vulnérabilités des applications basées sur des LLM. Public : RSSI, développeurs, AppSec, architectes.
Le parcours alterne un cadrage, une production sur un cas apporté par le participant, et une évaluation. Outils : journaux, politiques de sécurité, jeux de tests.
Durée : 2 jours – 14 h. Prix inter conseillé : 1 990 €.
Objectifs
- Prompt injection et indirect prompt injection
- Fuite de données et system prompt leakage
- Insecure output handling et excessive agency
- Poisoning et risques RAG
- Guardrails, validation et contrôle humain
- Architecture sécurisée et tests
Public
- RSSI, développeurs, AppSec, architectes
Prérequis
- Pratiquer régulièrement une IA générative.
- Savoir formuler une demande structurée (consigne, contexte, format de sortie).
À l’issue
- Prompt injection et indirect prompt injection
- Fuite de données et system prompt leakage
- Insecure output handling et excessive agency
- Poisoning et risques RAG
- Guardrails, validation et contrôle humain
- Architecture sécurisée et tests
Programme
- 01Module 1 — Prompt injection et indirect prompt injection
L'injection directe est dans la demande de l'utilisateur. L'injection indirecte est dans un document que le modèle lit. Les deux cherchent à changer la consigne · Montrer une injection directe et une injection via un document sur l'application de démonstration
2 h - 02Module 2 — Fuite de données et system prompt leakage
Une fuite, c'est une donnée ou la consigne système qui ressort dans la réponse. On cherche les deux · Tenter de faire répéter la consigne système et une donnée qui ne devait pas sortir
2 h - 03Module 3 — Insecure output handling et excessive agency
Une sortie non contrôlée peut devenir un lien, une commande ou une action. L'agence excessive, c'est un outil trop puissant laissé au modèle · Repérer dans l'application une sortie exécutée sans contrôle et la couper
2 h - 04Module 4 — Poisoning et risques RAG
Empoisonner un RAG, c'est glisser une consigne dans un document indexé. Le modèle lui obéit en croyant citer une source · Ajouter un document piégé au corpus de test et montrer la réponse détournée
2 h - 05Module 5 — Guardrails, validation et contrôle humain
Garde fou, validation et contrôle humain se placent avant l'action. Un filtre après coup ne ramène pas un email parti · Placer un contrôle sur l'action la plus sensible de l'application
2 h - 06Module 6 — Architecture sécurisée et tests
L'architecture sécurisée se dessine : où est la consigne, où sont les données, où est l'outil, où est le journal. Puis on la teste · Dessiner l'architecture et rejouer les quatre attaques du module
2 h - 07Module 7 — Mise en situation et retour au poste
retour au poste pour RSSI, développeurs, AppSec, architectes · soutenir SECURE AI – Sécuriser les applications LLM
2 h
Pédagogie
- Cours théoriques
- Ateliers pratiques
- Travaux pratiques
- Feedbacks réguliers
- Ratio théorie/pratique 30% / 70%
Évaluation
- Quiz
- soutenir SECURE AI – Sécuriser les applications LLM
- Critères : le geste est refait sans aide, les sources sont citées, aucune donnée sensible dans le prompt
Moyens
- journaux
- politiques de sécurité
- jeux de tests
EVA, tout au long du parcours
Vous n’êtes pas seul. EVA vous accompagne avant, pendant et après les sessions, pour que l’apprentissage tienne dans le métier.
- Avant chaque module, préparer vos cas d’usage réels.
- Entre les sessions, un assistant pour clarifier un concept ou itérer.
- Après la formation, un appui pour suivre ce que vous mettez en place.
