Vulnerabilidades introducidas durante la fase de entrenamiento de modelos de IA: envenenamiento de datos (data poisoning), inyección de puertas traseras en el dataset, inversión de modelos para extraer datos de entrenamiento, ataques de inferencia de pertenencia y manipulación de parámetros de aprendizaje. Incluye técnicas de entrenamiento adversarial, validación de datasets, protección de la cadena de suministro de datos y endurecimiento del proceso de entrenamiento para modelos de machine learning y deep learning.