Chi siamo e cosa copre MLSecOps.it

MLSecOps.it nasce con un obiettivo preciso: essere il riferimento tecnico in lingua italiana per chi deve mettere in sicurezza sistemi di machine learning e AI lungo tutto il loro ciclo di vita, dai dati ai modelli, dalle pipeline agli agenti in produzione.

Non è un blog di notizie né un sito di marketing. È un manuale di ingegneria che cresce per aggiunte deliberate: pubblichiamo poche pagine, le manteniamo aggiornate e le colleghiamo tra loro secondo le dipendenze concettuali reali.

Per chi scriviamo

Security engineer, application security engineer, AI security engineer, ML e MLOps engineer, DevSecOps e platform engineer, architetti AI, CISO e responsabili tecnici della governance AI, ricercatori e sviluppatori avanzati. Il livello di dettaglio presuppone familiarità con pipeline CI/CD, container, supply chain software e nozioni di base di machine learning.

Cosa copriamo

• MLSecOps: definizione, architettura di riferimento, threat model, controlli, pipeline, ruoli e maturità.
• Model Security: modelli malevoli, serializzazione non sicura, poisoning, furto ed estrazione, integrità e firma, sicurezza di registry e hub.
• AI Supply Chain: dipendenze, dataset e modelli di terze parti, AI-BOM/ML-BOM, attestazioni, SLSA, in-toto, Sigstore.
• Provenance: model provenance, provenance engineering, provenance delle decisioni e degli agenti, attacchi alla provenance.
• Agent Security e MCP Security: identità, delega, autorizzazione, tool-call, sandboxing, memoria, Model Context Protocol.
• AI Red Teaming: test avversariali riproducibili su modelli, applicazioni e agenti.
• Vulnerabilità e strumenti: analisi tecniche riproducibili e directory curata di strumenti.

Cosa non copriamo

Notizie generaliste sulla cybersecurity, analisi di mercato, comparazioni commerciali tra vendor e consulenza normativa. Quando un tema normativo è rilevante (per esempio i requisiti di cybersecurity dell’AI Act per i sistemi ad alto rischio) lo trattiamo dal punto di vista dei controlli tecnici che ne derivano.

Terminologia

Il sito è in italiano. I termini tecnici consolidati nell’industria restano in inglese quando è così che vengono usati dai practitioner: MLSecOps, MLOps, DevSecOps, AI Security, Model Security, Prompt Injection, Model Provenance, AI-BOM, Red Teaming, Agent Security, MCP, Runtime Security. Non traduciamo meccanicamente ciò che nessuno chiama in italiano.

Come lavoriamo

Ogni pagina tecnica ha un autore identificato, una data di pubblicazione e una di aggiornamento. Distinguiamo esplicitamente fatti, best practice consolidate, pratiche emergenti, risultati di ricerca, ipotesi, opinioni e stime. Citiamo fonti primarie (NIST, OWASP, MITRE ATLAS, ENISA, Commissione europea, AgID/CERT-AgID, SLSA, Sigstore, in-toto, ricerca peer-reviewed o tecnicamente verificabile) e usiamo la documentazione dei vendor soprattutto per affermazioni specifiche sui loro prodotti. I dettagli sono nella politica editoriale e metodologia.

Artefatti aperti

Parte del materiale di riferimento prodotto per il sito — checklist, architetture di riferimento, cataloghi di controlli, dataset e ricerca riproducibile — è pensato per essere rilasciato separatamente come artefatto aperto. Lo segnaleremo pagina per pagina quando avverrà.

Progetti correlati

MLSecOps.it è il manuale tecnico in italiano. Lo stesso autore cura altri tre progetti, con un ruolo diverso: The MLSecOps Hacker (in inglese) è una newsletter su AI security, governance dell’AI, threat modeling della GenAI e pratiche MLSecOps; awesome-mlsecops (in inglese) è un elenco curato di strumenti e risorse MLSecOps; MLSecOpsHub (in inglese) sviluppa strumenti, dataset e ricerca open source e pubblica la newsletter. Li segnaliamo per trasparenza: sono progetti dello stesso autore, non fonti indipendenti.

Autori