Un modello di base biologico è un grande modello di machine learning addestrato su dati biologici come sequenze di DNA, profili di espressione genica, strutture proteiche, immagini cellulari o risultati di saggi sperimentali. Come altri modelli di base, apprende pattern generali da enormi مجموعه di dati e può poi essere adattato a compiti specifici come la previsione di varianti, la modellazione della risposta ai farmaci o la simulazione di cellule virtuali.
Nella sicurezza informatica, questi modelli sono importanti perché i dati che consumano e producono sono altamente sensibili e preziosi. Gli aggressori possono tentare di avvelenare i dati di addestramento, rubare i pesi del modello o estrarre dati di ricerca riservati dagli output. Anche pregiudizi o una convalida scarsa possono portare a previsioni non sicure se il modello viene usato in flussi di lavoro clinici o biotecnologici. I difensori riducono questi rischi con controlli di accesso, verifiche della provenienza dei dataset, pipeline di addestramento sicure, registrazione dei log di audit e tecniche di privacy come la privacy differenziale o l'apprendimento federato. Il problema centrale di sicurezza non è solo se il modello sia accurato, ma se sia affidabile, resiliente e protetto contro le manipolazioni.