Exfiltration de données d'agent IA : comment l'IA autonome peut exposer des données sensibles

Les agents d'IA créent de la valeur car ils peuvent accéder aux données et agir en conséquence.

Ils peuvent récupérer des dossiers clients, rechercher des documents d'entreprise, interroger des bases de données, appeler des API, envoyer des messages, mettre à jour des applications, créer des fichiers, déclencher des flux de travail et interagir avec d'autres agents.

Ces capacités créent également un chemin direct pour données sensibles quitter ses limites prévues.

Un agent n'a pas toujours besoin de contourner un contrôle de sécurité pour créer cette vulnérabilité.

Il se peut qu'il dispose déjà d'un accès légitime.

Le problème commence lorsque cet accès se combine à une destination dangereuse, une action inappropriée, des instructions compromises, une autorisation excessive ou un objectif commercial qui ne correspond plus à ce que fait l'agent.

Voilà le problème fondamental derrière exfiltration de données d'agents d'IA.

L'exfiltration de données d'un agent d'IA se produit lorsqu'un système d'IA autonome ou semi-autonome transfère, expose, envoie, révèle ou rend autrement disponibles des données sensibles en dehors de leur destination, utilisateur, flux de travail ou finalité commerciale autorisés.

Les données peuvent être transmises via une réponse.

Il peut être libéré via un appel API.

Elle peut apparaître dans un e-mail, un message Slack, un ticket, un fichier, un journal, une requête de navigateur, un service d'IA tiers, un autre agent ou une application externe.

Et comme les agents d'IA peuvent enchaîner plusieurs actions individuellement légitimes, le processus d'exfiltration peut ne pas ressembler du tout à une violation de données traditionnelle.

Qu’est-ce que l’exfiltration de données d’agent IA ?

L'exfiltration de données d'un agent d'IA est le transfert ou la divulgation non autorisés d'informations sensibles via les sorties, outils, applications, API, requêtes réseau, fichiers, messages, mémoire ou flux de travail en aval d'un agent d'IA.

L'agent peut divulguer des données intentionnellement parce qu'un attaquant les a manipulées.

Il peut exposer des données accidentellement car ses instructions, autorisations, outils ou contrôles de destination étaient trop généraux.

Ou bien il peut fonctionner exactement comme prévu, mais la gouvernance de l'organisation concernant ce flux de travail reste inadéquate.

Les données sensibles peuvent inclure :

• Informations personnelles identifiables (PII)
• Informations de santé protégées (PHI)
• Informations de paiement
• Identifiants et secrets
• Clés API et jetons
• Dossiers financiers
• Code source
• propriété intellectuelle
• Dossiers clients et employés
• documents juridiques
• Communications confidentielles
• Autres informations réglementées ou essentielles à l'activité

La question déterminante n'est pas simplement :

“ L’agent pouvait-il lire les données ? ”

C'est:

“ Les données ont-elles été déplacées ou sont-elles devenues visibles par quelqu’un en dehors du cadre ou de la zone autorisée ? ”

Exfiltration de données IA vs. Fuite de données vs. Accès excessif

Ces concepts se recoupent, mais les équipes de sécurité ne doivent pas les considérer comme interchangeables.

Un agent d'IA peut avoir un accès légitime et néanmoins devenir une voie d'exfiltration.

Cette distinction rend essentielle une gouvernance axée sur les données.

Le chemin d'exfiltration de l'agent IA

Comment les agents d'IA peuvent-ils exfiltrer des données ?

Les agents d'IA créent davantage de voies de sortie potentielles que l'IA conversationnelle traditionnelle, car ils peuvent interagir avec des systèmes et des outils externes.

Les itinéraires courants comprennent :

1. Fuite de réponses de l'IA

Un agent récupère des informations sensibles et les inclut dans une réponse affichée à un utilisateur non autorisé.

Cela peut se produire en raison d'une autorisation de récupération faible, autorisations excessives des agents, un contexte utilisateur incorrect ou une génération de sortie inappropriée.

2. Injection rapide vers une destination externe

Un attaquant place des instructions malveillantes dans le contenu que lit l'agent.

L'agent suit ces instructions, récupère les données sensibles auxquelles il peut légitimement accéder et envoie les informations via une URL, une requête API, la soumission d'un formulaire, un message ou un autre outil.

Les recommandations d'OpenAI en matière de sécurité des agents identifient explicitement injection rapide comme un chemin pouvant amener les agents à exposer des données provenant d'applications connectées ou de services authentifiés.

3. Exfiltration basée sur les API

Un agent récupère des données sensibles d'un système et les soumet à une API externe.

Prises individuellement, les deux opérations peuvent paraître légitimes :

Lire la fiche client → Appeler l'API

Le problème de sécurité n'apparaît que lorsque les équipes évaluent ensemble les données, leur destination, leur finalité et leur flux de travail.

4. Outils SaaS et de collaboration

Les agents peuvent transmettre des informations sensibles par le biais de :

• E-mail
• Mou
• Microsoft Teams
• Systèmes de billetterie
• Enregistrements CRM
• Documents partagés
• Bases de connaissances

La destination peut se situer à l'intérieur de l'entreprise tout en dépassant le public autorisé.

5. Services d'IA tiers

Un agent d'entreprise peut envoyer des données à un modèle externe, un plugin, une plateforme SaaS, une API ou un service d'IA.

Les équipes doivent comprendre :

• Quelles données quittent l'organisation
• Quel service le reçoit ?
• Pourquoi le transfert a-t-il lieu ?
• Quelles sont les clauses contractuelles et les politiques applicables ?
• Que le fournisseur le conserve ou le réutilise

6. Exposition basée sur le RAG

Un agent compatible RAG peut récupérer du contenu sensible provenant de sources d'entreprise et l'intégrer dans des invites, des réponses ou des flux de travail en aval.

La récupération a peut-être réussi techniquement tout en violant les limites d'autorisation prévues par l'utilisateur.

Sécurité RAG Il est donc nécessaire de relier la récupération sémantique aux contrôles d'identité et d'accès.

7. Exfiltration d'agent à agent

Un agent peut transmettre des informations sensibles à un autre agent.

Cet agent de réception peut se trouver à un autre endroit :

• Application
• Fournisseur
• Nuage
• Domaine de confiance
• Modèle d'autorisation

Sécurité entre agents Cela devient crucial car les tâches déléguées peuvent déplacer silencieusement l'autorité et des informations sensibles d'une frontière à l'autre.

8. Mémoire et contexte persistant

Un agent peut écrire des informations sensibles dans :

• mémoire à long terme
• Historique des conversations
• État de l'agent
• bûches
• Cache
• Contexte partagé

Cela peut entraîner une exposition différée si un autre utilisateur, flux de travail, agent ou administrateur récupère ultérieurement les données stockées.

Les recommandations actuelles d'AWS en matière de sécurité des agents indiquent que les réponses des utilisateurs ne constituent pas le seul canal d'exfiltration. Les messages entre agents, les écritures en mémoire et les journaux d'audit peuvent également exposer des informations personnelles, des identifiants et d'autres données sensibles.

9. Exfiltration d'URL et de réseau

Un agent peut encoder des informations sensibles dans une URL, un paramètre de requête, le corps d'une requête, un fichier téléchargé ou un appel réseau sortant.

OpenAI limite désormais spécifiquement la connectivité sortante dans certaines configurations de haute sécurité afin de réduire l'exfiltration de données par injection rapide.

L'exfiltration de données par un agent d'IA n'est pas toujours une attaque.

Le mot exfiltration implique souvent un attaquant malveillant.

L'IA remet en question cette hypothèse.

Un agent peut déplacer des informations sensibles en dehors de son périmètre prévu pour les raisons suivantes :

• Injection rapide
• Informations d'identification compromises
• Autorisations excessives
• Politique incorrecte
• Outils mal définis
• Automatisation non sécurisée
• RAG mal configuré
• Logique commerciale inappropriée
• Erreur de l'agent
• Partage involontaire avec des tiers
• Contexte trop large

Le résultat peut néanmoins avoir le même impact sur la sécurité et la conformité.

Les équipes de sécurité doivent évaluer les mouvements de données non autorisés, et pas seulement les intentions malveillantes.

Pourquoi l'accès légitime à l'IA crée un nouveau problème de DLP

Les solutions DLP traditionnelles se concentrent souvent sur des canaux de déplacement identifiables tels que les e-mails, les terminaux, les transferts de fichiers, les téléchargements et les applications SaaS.

Les agents d'IA peuvent créer une chaîne plus complexe :

Accès autorisé aux données → Raisonnement IA → Sélection d'outils → Transformation des données → Action externe

L'agent peut :

• Résumez les informations confidentielles plutôt que de les copier mot pour mot.
• Transformer des données structurées en langage naturel
• Combinez plusieurs sources avant d'envoyer une sortie
• Transférez les informations via une API plutôt que par fichier.
• Envoyer uniquement les champs sensibles sélectionnés
• Transmettre les informations à un autre agent IA

Cela rend les données plus difficiles à protéger en utilisant uniquement des contrôles de canal.

DLP en nuage Elle devient plus efficace lorsque les équipes de sécurité peuvent combiner les mouvements avec le contexte des données sensibles, l'identité, l'accès, la propriété, l'activité, la politique et le contexte de l'IA.

L'injection rapide et l'exfiltration de données constituent des risques différents.

L'injection rapide peut entraîner une exfiltration de données, mais ces termes ne doivent pas devenir interchangeables.

Injection rapide décrit comment des instructions malveillantes tentent de manipuler le comportement de l'IA.

exfiltration de données décrit le déplacement ou la divulgation d'informations sensibles vers une destination non autorisée.

La chaîne d'attaque peut ressembler à ceci :

Document malveillant → Injection d'invite → Manipulation d'agent → Récupération de données sensibles → Outil externe → Exfiltration de données

Mais l'exfiltration peut aussi se produire sans injection immédiate.

Un agent dont l'automatisation est mal paramétrée risque tout simplement d'envoyer des informations au mauvais endroit.

De même, l'injection rapide peut réussir sans entraîner de perte de données.

Cette distinction est importante car la prévention de l'injection rapide ne suffit pas à éliminer le risque d'exfiltration de données.

Quels sont les facteurs déterminant le risque d'exfiltration de données des agents d'IA ?

Il ne s'agit pas d'une formule mathématique.

Il s'agit d'un modèle de priorisation qui aide les équipes de sécurité à distinguer un assistant ayant accès à la documentation publique d'un agent capable de récupérer les dossiers clients et d'envoyer des requêtes externes arbitraires.

Comment les identités IA affectent le risque d'exfiltration de données

Les agents d'IA fonctionnent rarement avec une seule identité.

Ils peuvent accéder aux ressources de l'entreprise via :

• Comptes de service
• identités de l'application
• jetons API
• OAuth accorde
• Rôles cloud
• Identités des machines
• Accès utilisateur délégué
• Autres agents d'IA

Cela peut rendre l'enquête sur l'exfiltration difficile.

Le journal de sécurité peut indiquer qu'un compte de service a téléchargé des données.

Mais les équipes ont encore besoin de savoir :

• Quel agent d'IA a initié la requête ?
• Quel utilisateur ou flux de travail a déclenché l'agent ?
• Pourquoi a-t-il récupéré les données ?
• Quelles informations sensibles a-t-il consultées ?
• Quelle destination l'a reçu ?
• La destination était-elle conforme à l'objectif approuvé ?

Gouvernance de l'accès à l'IA permet de relier les identités IA et les autorisations gérées par machine aux données sensibles qui sous-tendent cet accès.

Comment empêcher l'exfiltration de données des agents d'IA

Aucun contrôle unique ne peut éliminer la perte de données imputable aux agents.

Les organisations ont besoin de contrôles à plusieurs niveaux concernant les données, l'accès, l'identité, les outils, les résultats, les mouvements et le comportement en cours d'exécution.

1. Détecter les données sensibles avant que les agents n'y accèdent.

Commencez par un inventaire précis des informations sensibles et essentielles à l'activité.

Découverte et classification des données aider les équipes à identifier les informations personnelles identifiables (PII), les informations de santé protégées (PHI), les identifiants, les secrets, les dossiers financiers, le code source, la propriété intellectuelle et autres informations sensibles auxquelles les systèmes d'IA peuvent accéder.

2. Appliquer le principe du moindre privilège aux agents d'IA

Limiter les agents aux données et autorisations minimales requises pour leur activité.

Un agent ne peut pas exfiltrer des données auxquelles il n'a pas accès.

Le principe du moindre privilège pour les agents d'IA Il convient de prendre en compte les autorisations directes, héritées, déléguées, d'application, d'API, de compte de service et d'identité machine.

3. Distinguer l'autorisation de lecture de l'autorisation d'envoi

L'autorisation de consulter des informations sensibles ne doit pas automatiquement autoriser leur transmission à l'extérieur.

Traiter:

• Lire
• Exporter
• Envoyer
• Télécharger
• Publier
• Écrire

en tant qu'autorités distinctes.

4. Restreindre la sortie des agents

Limiter les destinations, domaines, API, outils et services externes qu'un agent peut contacter.

Le refus par défaut ou la limitation des accès sortants peuvent réduire le nombre de destinations disponibles pour l'exfiltration.

OpenAI et NVIDIA ont toutes deux insisté sur l'importance des contrôles du réseau sortant comme couche essentielle pour réduire l'exfiltration de données par des agents.

5. Protéger les invites et les réponses

Les informations sensibles peuvent entrer ou sortir de l'IA via des flux de travail conversationnels.

Protection contre les invites IA permet d'identifier les valeurs sensibles dans les invites et les réponses, d'appliquer les politiques, de masquer les informations à risque, de surveiller les violations et de constituer des preuves pour l'enquête.

6. Inspectez chaque chemin de sortie

Ne protégez pas uniquement la réponse finale affichée à l'utilisateur.

Les sorties des agents peuvent également entrer :

• Apis
• Dossiers
• Messages
• bûches
• Mémoire
• Autres agents
• Applications
• Requêtes réseau

AWS recommande explicitement d'appliquer des contrôles de protection des informations sensibles de manière cohérente à toutes les sorties des agents et pas seulement aux réponses destinées aux utilisateurs.

7. Conserver l'autorisation dans RAG

RAG ne devrait pas rendre tout le contenu indexé universellement récupérable.

Préserver l'identité et les contrôles d'accès afin que les utilisateurs et les systèmes d'IA ne reçoivent que les informations autorisées par leur finalité légitime.

8. Minimiser le contexte inter-agents

Lorsqu'un agent délègue une tâche à un autre, n'envoyez que les données nécessaires à cette tâche.

Ne transférez pas automatiquement l'intégralité des historiques de conversations, les dossiers clients, les documents récupérés, les identifiants ou les données sensibles.

9. Exiger une approbation pour les transferts à haut risque

Une confirmation humaine peut avoir du sens avant :

• Envoi de données sensibles à l'extérieur
• Téléchargement de fichiers
• Soumission des enregistrements à un système tiers
• Informations sur la publication
• Partage de données réglementées

10. Surveiller l'activité relative aux données sensibles

Les autorisations révèlent ce à quoi un agent peut accéder.

L'activité révèle ce à quoi elle a réellement accédé et ce qu'elle a déplacé.

Surveillance de l'activité des données ajoute du contexte concernant l'accès, les téléchargements, le partage, le déplacement, les modifications et autres comportements impliquant des informations sensibles.

11. Appliquer une approche DLP basée sur les données

Les systèmes de contrôle DLP deviennent plus utiles lorsqu'ils comprennent :

• Que contiennent les données ?
• Qui ou quoi y a accédé
• Où il se déplace
• Quelle politique s'applique
• Si la destination est appropriée

DLP BigID Cloud permet de relier les données sensibles aux informations en matière de mouvement, d'accès, de propriété, d'activité et de contexte politique.

12. Élaborer des stratégies de remédiation rapides

Lorsque les équipes détectent des mouvements de données d'IA à risque, elles peuvent être amenées à :

• Révoquer l'accès de l'agent
• Désactiver un outil
• Bloquer une destination
• Supprimer les autorisations excessives
• Masquer les données sensibles
• Fichiers de quarantaine
• Désactiver un agent
• Rotation des identifiants
• Modifier une politique
• Examiner les dossiers concernés

flux de travail de remédiation aider à transformer les constats en mesures correctives responsables.

Ce que les équipes de sécurité ignorent souvent à propos de l'exfiltration des données d'IA

Un accès autorisé peut néanmoins donner lieu à des mouvements non autorisés.

Un agent peut disposer de toutes les autorisations nécessaires pour récupérer des données sensibles.

L'exposition survient plus tard, lorsque l'agent l'envoie à une destination inappropriée.

La destination compte autant que la source.

Les équipes de sécurité demandent souvent quelles données un agent peut lire.

Ils devraient également se demander :

Où l'agent peut-il l'envoyer ?

La transformation ne supprime pas la sensibilité

Un agent peut résumer, traduire, restructurer, agréger ou déduire des informations sensibles avant de les transmettre à un tiers.

Le résultat peut ne plus correspondre à l'enregistrement original tout en révélant des informations protégées.

Les mouvements internes peuvent toujours constituer une exfiltration.

Les données n'ont pas besoin de quitter l'entreprise pour franchir une frontière non autorisée.

Un dossier RH sensible exposé à un utilisateur interne, une unité commerciale, un agent ou une application non autorisés peut néanmoins engendrer un risque important.

Les chaînes d'agents dissimulent la destination finale

L'agent A peut récupérer les données.

L'agent B peut le résumer.

L'agent C pourrait l'envoyer.

Les équipes de sécurité ont besoin d'une visibilité sur l'ensemble de la chaîne et non pas seulement sur l'identité associée à l'action finale.

L'enregistrement sans contexte de données produit du bruit

Le fait de savoir qu'un appel API a eu lieu n'indique pas aux équipes s'il a transmis une description publique de produit ou des milliers d'enregistrements clients.

La détection des exfiltrations devient nettement plus utile lorsque l'activité inclut un contexte de données sensibles.

Liste de contrôle de préparation à l'exfiltration de données des agents d'IA

Comment BigID contribue à réduire les risques d'exfiltration de données des agents d'IA

BigID aborde l'exfiltration de données des agents d'IA depuis les données vers l'extérieur.

Les équipes de sécurité ne peuvent pas comprendre le risque d'exfiltration en se basant uniquement sur l'agent.

Ils ont besoin de savoir Quelles sont les données sensibles auxquelles l'agent peut accéder, quelles identités et autorisations permettent cet accès, où les données sont déplacées, quelle destination les reçoit, quelles politiques s'appliquent et comment les équipes peuvent réduire leur exposition en cas de risque.

BigID aide les organisations :

• Découvrir et classer les données sensibles d'IA : Identifier les données personnelles identifiables (PII), les données de santé protégées (PHI), les données de sécurité des ordinateurs (PCI), les identifiants, les secrets, la propriété intellectuelle, les informations financières, les dossiers confidentiels et autres données sensibles accessibles aux agents d'IA.
• Accès à l'IA de gouvernance : Connectez les agents, les copilotes, les applications, les comptes de service, les identités des machines, les API, les autorisations et les données sensibles afin d'identifier les accès qui dépassent les besoins légitimes de l'entreprise.
• Réduire les autorisations excessives : Appliquer le principe du moindre privilège tenant compte des données afin que les agents ne puissent pas accéder à des informations plus sensibles que celles requises par leur objectif approuvé.
• Protéger les invites et les réponses : Détecter les valeurs sensibles dans les conversations avec l'IA, masquer les informations à risque, appliquer des politiques ciblées, surveiller les violations et soutenir les enquêtes.
• Surveiller l'activité liée aux données sensibles : Comprendre comment les informations sensibles sont consultées, déplacées, partagées, téléchargées, modifiées ou supprimées par les identités d'entreprise.
• Renforcer la prévention des pertes de données : Ajoutez des informations de classification, d'identité, d'accès, de propriété, d'activité et de contexte de risque aux mouvements de données sensibles dans les environnements cloud, SaaS et d'IA.
• Gouverner les systèmes d'IA : Connectez les agents, les modèles, les invites, les données, la traçabilité, la propriété, les politiques, l'accès, les risques, la surveillance et les preuves de gouvernance tout au long du cycle de vie de l'IA.
• Remise en état du lecteur : Réduire l'accès, appliquer la politique, attribuer la propriété, enquêter sur les résultats et coordonner les mesures correctives en cas d'exposition de données générée par l'IA.

L'exfiltration de données par les agents d'IA ne se limite pas à un simple problème de réseau ou de sécurité. Il s'agit d'un problème de données, d'identité, d'accès, de déplacement, de destination et de politique qui nécessite une approche contextuelle tout au long du flux de travail de l'IA.

BigID aide les équipes à relier ces points afin qu'elles puissent déterminer quels agents peuvent accéder aux données sensibles, où ces informations peuvent circuler et ce qu'il faut corriger avant qu'un agent ne devienne la voie de sortie.

FAQ sur l'exfiltration de données d'agent IA

Qu’est-ce que l’exfiltration de données d’agents IA ?

L’exfiltration de données d’un agent d’IA se produit lorsqu’un système d’IA autonome ou semi-autonome transfère, expose, envoie ou met à disposition des données sensibles une destination, un utilisateur, un système, une application, un agent ou un tiers non autorisé.

Comment les agents d'IA peuvent-ils exfiltrer des données ?

Les agents d'IA peuvent exposer des données via des réponses générées, des API, des requêtes réseau externes, des e-mails, des plateformes de messagerie, des fichiers, des applications SaaS, des flux de travail RAG, la communication entre agents, des journaux, la mémoire, des appels d'outils ou des services d'IA tiers.

Un agent d'IA a-t-il besoin d'un accès non autorisé pour exfiltrer des données ?

Non. Un agent peut avoir un accès légitime à des données sensibles et les divulguer malgré tout en envoyant ces informations à une destination non autorisée ou en les utilisant à des fins autres que celles approuvées dans le cadre de son activité.

Quelle est la différence entre une fuite de données IA et une exfiltration de données IA ?

Une fuite de données désigne généralement la divulgation involontaire d'informations sensibles. L'exfiltration de données, quant à elle, concerne le transfert d'informations sensibles vers une destination ou un acteur non autorisé. Un même événement peut impliquer les deux.

Quel est le lien entre l'accès excessif à l'IA et l'exfiltration de données ?

Un accès excessif accroît la quantité d'informations sensibles auxquelles un agent d'IA peut accéder. Si cet agent est compromis, manipulé ou mal configuré, des autorisations plus étendues peuvent aggraver le volume et la gravité des exfiltrations potentielles.

Une injection rapide peut-elle provoquer une exfiltration des données de l’IA ?

Oui. L'injection de prompts peut manipuler un agent d'IA pour qu'il récupère des données auxquelles il peut légitimement accéder, puis qu'il envoie ou expose ces informations via un outil, une API, une URL, un message, une réponse ou tout autre canal externe.

Comment RAG crée-t-il un risque d'exfiltration d'IA ?

RAG permet aux systèmes d'IA d'accéder aux informations de l'entreprise lors de l'inférence. Des autorisations de récupération insuffisantes ou des permissions RAG excessives peuvent exposer des données sensibles via les réponses, les invites, les actions en aval ou les outils externes de l'IA.

Comment les agents d'IA peuvent-ils exfiltrer des données par l'intermédiaire d'autres agents ?

Un agent peut transmettre à un autre agent des informations sensibles telles que des données contextuelles, des données récupérées, des fichiers, des résumés ou des données structurées. Si l'agent destinataire se situe en dehors du périmètre de confiance approuvé ou s'il dispose d'autorisations et de politiques différentes, ce transfert peut engendrer des risques.

Comment les organisations peuvent-elles empêcher l'exfiltration de données par les agents d'IA ?

Les organisations peuvent réduire les risques en découvrant les données sensibles, en appliquant le principe du moindre privilège, en séparant les autorisations de lecture et d'envoi, en limitant les destinations sortantes, en protégeant les invites et les réponses, en préservant l'autorisation RAG, en minimisant le contexte inter-agents, en inspectant les sorties des agents, en surveillant l'activité des données, en renforçant la DLP et en prenant en charge une remédiation rapide.

Pourquoi le principe du moindre privilège est-il important pour l'exfiltration de données d'IA ?

Le principe du moindre privilège limite les informations sensibles accessibles à un agent d'IA. Si un agent est compromis ou manipulé, un accès plus restreint réduit la quantité de données qu'il peut potentiellement divulguer.

Comment la DLP s'applique-t-elle aux agents d'IA ?

La solution DLP permet d'inspecter les informations sensibles lors de leur déplacement ou de leur divulgation par les agents, que ce soit via des réponses, des API, des fichiers, des applications SaaS, des messages ou d'autres flux de travail. Une solution DLP basée sur les données est d'autant plus efficace qu'elle combine les informations de déplacement avec l'identité, l'accès, la sensibilité, la propriété, la destination et le contexte d'activité.

Comment BigID contribue-t-il à réduire le risque d'exfiltration de données des agents d'IA ?

BigID aide les organisations à découvrir et à classer les données d'IA sensibles, à associer les identités et les autorisations d'IA aux données, à identifier les accès excessifs, à protéger les invites et les réponses, à surveiller l'activité des données sensibles, à renforcer la protection contre la perte de données (DLP), à appliquer les politiques de gouvernance de l'IA et à piloter la remédiation dans les environnements d'IA d'entreprise.