Sicherheit von Machine-Learning-Systemen, einschließlich überwachter, unüberwachter und Reinforcement-Learning-Modelle. Behandelt gegnerische Angriffe, Modellumgehung, Datenvergiftung, Membership Inference, Modellinversion, Modellrobustheit, Abwehrmechanismen gegen Manipulation von Trainingsdatensätzen und Sicherheitsvalidierung in ML/MLOps-Pipelines.