Una pipeline di elaborazione dei dataset è la sequenza di passaggi che carica, convalida, trasforma e prepara i dati prima che vengano utilizzati da un modello, da un processo di analisi o da un'applicazione. In pratica, può recuperare file da archivi o fonti remote, eseguire codice di preprocessing, normalizzare i campi, unire i record e scrivere gli output per l'addestramento o l'inferenza successivi.
Nella sicurezza informatica, questa pipeline è importante perché spesso fa più che gestire passivamente i dati: può eseguire script, recuperare dipendenze e accedere alle credenziali. Questo la rende parte della catena di fornitura del software e un possibile percorso di attacco per dati malevoli, dataset compromessi o loader non sicuri. Gli addetti alla difesa riducono il rischio con una rigorosa convalida degli input, origini firmate o affidabili, esecuzione in sandbox, accesso con privilegi minimi e controlli di approvazione per il codice che viene eseguito durante l'ingestione o la trasformazione. Una pipeline debole può trasformare una normale preparazione dei dati in una via d'accesso ai sistemi di produzione.