MLflow è una piattaforma open-source per la gestione del ciclo di vita del machine learning. I team la usano per registrare esperimenti, confrontare esecuzioni, archiviare artefatti dei modelli e tenere traccia di quale codice, dati e parametri abbiano prodotto un risultato. In pratica, spesso include un server di tracking, l'archiviazione degli artefatti e integrazioni con sistemi di training e deployment.
MLflow è importante nella sicurezza informatica perché il server di tracking può trovarsi vicino a infrastrutture e credenziali sensibili. Se è esposto o configurato in modo errato, un attaccante può tentare di abusarne come punto di pivot verso reti interne, servizi di metadati cloud o backend di storage. I difensori riducono questo rischio limitando l'esposizione di rete, imponendo l'autenticazione, validando le richieste in uscita, segmentando i permessi cloud e monitorando pattern insoliti di accesso lato server.