SecMLOps: A comprehensive framework for integrating security throughout the machine learning operations lifecycle

XinRui Zhang, Pincan Zhao, Jason Jaskolka, Heng Li, Rongxing Lu

Article de revue (2026)

Accéder à ce document
Lien externe
Libre accès au texte intégral chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

Département:
Département de génie informatique et génie logiciel
Organismes subventionnaires:
NSERC
Numéro de subvention:
RGPIN-2019-06306
Adresse URL de PolyPublie:
https://publications.polymtl.ca/73272/
Titre de la revue :
Empirical Software Engineering ( vol. 31 , no 3 )
Maison d'édition:
Springer Science+Business Media
DOI:
10.1007/s10664-025-10795-y
URL officielle:
https://doi.org/10.1007/s10664-025-10795-y
OAI:
oai:publications.polymtl.ca:73272
ORCID
Date du dépôt:
23 févr. 2026 08:35
Dernière modification:
14 oct. 2026 14:34
Citer en APA 7:
Zhang, X.R., Zhao, P., Jaskolka, J., Li, H., & Lu, R. (2026). SecMLOps: A comprehensive framework for integrating security throughout the machine learning operations lifecycle. Empirical Software Engineering, 31(3), 74 (48 pages). https://doi.org/10.1007/s10664-025-10795-y

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document