Il tracking server è il servizio di MLflow che riceve i dati delle run degli esperimenti, memorizza i metadati sulle run ed espone l'interfaccia principale per sfogliare e confrontare i risultati dell'addestramento. In pratica, è il punto di controllo per il tracciamento degli esperimenti: i client gli inviano parametri, metriche, tag e riferimenti agli artifact, e gli utenti lo interrogano per rivedere ciò che è accaduto durante l'esecuzione di un modello.
Nella sicurezza informatica, questo è importante perché il tracking server spesso si trova nel percorso di fiducia di un intero flusso di lavoro MLOps. Se è esposto a reti non attendibili o configurato in modo errato, gli attaccanti potrebbero essere in grado di manomettere la cronologia delle run, sovrascrivere gli artifact, divulgare dettagli sensibili degli esperimenti o abusare del servizio come punto di ingresso verso archivi e sistemi collegati. I difensori dovrebbero trattarlo come qualsiasi altra interfaccia di gestione: limitare l'accesso di rete, richiedere l'autenticazione, mantenerlo aggiornato con le patch e monitorare i log per richieste API insolite o modifiche inattese alle run e agli artifact.