Un checkpoint del modello è un'istantanea salvata di un modello di machine learning in un punto specifico dell'addestramento o del deployment. Di solito contiene i parametri appresi e talvolta lo stato dell'optimizer, rendendo possibile riprendere l'addestramento, tornare a una versione nota e funzionante o ripristinare rapidamente un servizio dopo un guasto.
Nella sicurezza informatica, i checkpoint sono importanti perché hanno un alto valore e spesso sono difficili da ricreare. Gli attaccanti possono crittografarli, eliminarli o corromperli per interrompere i servizi di IA, costringere a un costoso riaddestramento o compromettere l'integrità dei modelli distribuiti. Nei casi di ransomware, i checkpoint vengono presi di mira insieme ai dati di addestramento e ai database vettoriali, perché perderli può bloccare i sistemi di inferenza e ritardare il ripristino. I difensori proteggono i checkpoint con controlli di accesso, backup versionati, copie offline, controlli di integrità e separazione dall'ambiente principale dell'applicazione.