Methoden und Praktiken für Sicherheitstests von Systemen, die auf künstlicher Intelligenz, maschinellem Lernen und Deep Learning basieren. Beinhaltet adverses Testen, Robustheitsbewertung, Prompt-Injection-Tests, Versuche zur Modellextraktion, Data-Poisoning-Erkennung, Bewertung von Datenschutzlecks und Überprüfung der Widerstandsfähigkeit gegen KI-spezifische Angriffe wie Membership-Inference, Modellinversion und Backdoor-Injektion.