Termes

False Positive

Suivez les dernières actualités, explications et histoires technologiques associées.

Dernières actualités

CN
Akrites fait appel à l’intelligence artificielle et aux humains pour trier une vague de signalements de vulnérabilités dans les logiciels open source

Akrites fait appel à l’intelligence artificielle et aux humains pour trier une vague de signalements de vulnérabilités dans les logiciels open source

L’initiative Akrites de la Linux Foundation vérifie les signalements de vulnérabilités produits par l’intelligence artificielle, fusionne les doublons et les améliore avant de les transmettre aux développeurs de projets open source. Quelque 200 ingénieurs détachés contribuent à maintenir une revue humaine dans la boucle, alors que les signalements automatisés sont devenus plus nombreux, mais restent marqués par leur manque de précision et de contexte.

CN
Les tests trimestriels de Microsoft révèlent les performances de Defender face aux menaces liées aux e-mails

Les tests trimestriels de Microsoft révèlent les performances de Defender face aux menaces liées aux e-mails

Microsoft affirme que Defender a laissé passer moins de menaces à haut risque que les autres solutions incluses dans le benchmark pour la période de mai à juillet 2026, avec une nette supériorité dans le traitement après la livraison des messages. Les résultats montrent également que l’intelligence artificielle renforce la capacité des attaquants à usurper des identités et qu’une protection efficace nécessite une mesure continue ainsi que plusieurs couches de défense.

CN
Comment évaluer les systèmes de modèles linguistiques avant leur mise en production ?

Comment évaluer les systèmes de modèles linguistiques avant leur mise en production ?

GitHub tire d’une expérience d’évaluation d’un système reposant sur un modèle linguistique pour réduire les faux positifs lors de la détection des secrets un ensemble de pratiques pour évaluer les systèmes LLM avant leur mise en production. L’expérience insiste sur le lien entre les métriques et la décision produit, la simulation de l’environnement opérationnel réel et l’analyse des erreurs, tout en considérant l’évaluation hors ligne comme un élément probant structuré, et non comme une garantie du comportement dans toutes les situations de production.