QuellenverzeichnisBerryville Institute of Machine Learning (BIML)v1.0 (2020-01-13)

An Architectural Risk Analysis of Machine Learning Systems: Toward More Secure Machine Learning

„An Architectural Risk Analysis of Machine Learning Systems: Toward More Secure Machine Learning“. Herausgeber: Berryville Institute of Machine Learning (BIML). Herangezogener Stand: v1.0 (2020-01-13). Der Bedrohungskatalog von Versatile AI Risk Assessment belegt 21 seiner 52 Bedrohungen mit diesem Dokument, an 24 geprüften Fundstellen.

Stand: Juli 2026 · Katalogversion 2026.07.17.3

Angaben zum Dokument

Herausgeber: Berryville Institute of Machine Learning (BIML)
Herangezogener Stand: v1.0 (2020-01-13)
Jahr: 2020
Lizenz: CC BY-SA 3.0
Rahmenwerk: BIML

Originaldokument beim Herausgeber öffnen Externer Verweis; maßgeblich ist immer die Fassung des Herausgebers.

Fundstellen im Katalog (24)

Jede Zeile nennt die Klausel, ihren Titel, die genaue Fundstelle im Dokument und die Bedrohungen, die sich darauf beziehen.

Klauseln dieses Dokuments mit den Bedrohungen, die darauf verweisen
Klausel	Titel und Fundstelle	Verweisende Bedrohungen
`BIML78 alg:1`	Online PDF p. 16, [alg:1:online]	Modell-Drift & -Degradation
`BIML78 alg:11`	Parameters PDF p. 17, [alg:11:parameters]	Lieferkette – Modelle
`BIML78 assembly:2`	Annotation PDF p. 13, [assembly:2:annotation]	Gezielte Datenvergiftung / Label-Vergiftung
`BIML78 assembly:6`	Filter PDF p. 13, [assembly:6:filter]	Modell-Reconnaissance
`BIML78 data:1`	Poisoning PDF p. 14, [data:1:poisoning]	Vergiftung der Trainingsdaten
`BIML78 data:2`	Transfer PDF p. 14, [data:2:transfer]	Lieferkette – Modelle
`BIML78 data:6`	Supervisor PDF p. 15, [data:6:supervisor]	Gezielte Datenvergiftung / Label-Vergiftung
`BIML78 eval:5`	Catastrophic Forgetting PDF p. 18, [eval:5:catastrophic forgetting]	Modell-Drift & -Degradation
`BIML78 inference:3`	Confidence Scores PDF p. 20, [inference:3:confidence scores]	Adversariale Eingaben Modell-Reconnaissance
`BIML78 inference:4`	Hosting PDF p. 20, [inference:4:hosting]	Lieferkette – Infrastruktur
`BIML78 inference:5`	User Risk PDF p. 20, [inference:5:user risk]	Offenlegung sensibler Informationen Shadow AI (nicht genehmigte Nutzung von KI-Diensten)
`BIML78 input:1`	Adversarial Examples PDF p. 19, [input:1:adversarial examples]	Adversariale Eingaben
`BIML78 input:2`	Controlled Input Stream PDF p. 19, [input:2:controlled input stream]	Adversariale Eingaben
`BIML78 model:2`	Trojan PDF p. 20, [model:2:Trojan]	Backdoor im ML-Modell
`BIML78 model:5`	Steal the Box PDF p. 20, [model:5:steal the box]	Modell-Diebstahl
`BIML78 raw:1`	Data Confidentiality PDF p. 10, [raw:1:data confidentiality]	Privacy-Angriffe
`BIML78 raw:2`	Trustworthiness PDF p. 10, [raw:2:trustworthiness]	Lieferkette – Datensätze Vergiftung der Trainingsdaten
`BIML78 raw:3`	Storage PDF p. 10, [raw:3:storage]	Lieferkette – Infrastruktur Exfiltration aus der ML-Anwendung
`BIML78 system:1`	Black Box Discrimination PDF p. 25, [system:1:black box discrimination]	Hassrede und Diskriminierung
`BIML78 system:10`	Denial of Service PDF p. 26, [system:10:denial of service]	Denial-of-Service auf das Modell Denial-of-Service auf die Anwendung
`BIML78 system:2`	Overconfidence PDF p. 25, [system:2:overconfidence]	Übermäßiges Vertrauen in das KI-System
`BIML78 system:5`	Error Propagation PDF p. 25, [system:5:error propagation]	Agenten-KI / Autonome Agenten
`BIML78 system:8`	Insider PDF p. 26, [system:8:insider]	Exfiltration aus der ML-Anwendung
`BIML78 system:9`	API Encoding PDF p. 26, [system:9:API encoding]	Unsicherer Umgang mit Modellausgaben Anwendungs-Schwachstellen

Diese Seite gibt keine Normtexte wieder. Sie nennt Kennung, Titel und Fundstelle der Klausel; der Wortlaut steht im Originaldokument. Die Zuordnungen sind taxonomisch und kein Konformitätsnachweis.

Bedrohungen mit Bezug auf dieses Dokument (21)

Nach Themengruppe geordnet. Jeder Eintrag führt zur vollständigen Bedrohungsseite.

Angriffe auf Modell und Betrieb

Anwendungs- und Integrationssicherheit

Autonome KI und Agenten

Agenten-KI / Autonome Agenten

Datenschutz und Datenabfluss

Lieferkette und Herkunft

Manipulation von Modell und Trainingsdaten

Schädliche Inhalte

Hassrede und Diskriminierung

Verlässlichkeit und verantwortliche Nutzung

Weitere Dokumente desselben Herausgebers

Alle im Katalog belegten Dokumente von Berryville Institute of Machine Learning (BIML).

Vom Beleg zur Bewertung

Der vollständige Katalog nennt zu jeder Bedrohung die Gegenmaßnahmen, die mögliche Auswirkung und alle belegten Fundstellen. Die Live-Demo läuft ohne Registrierung lokal in Ihrem Browser.

Zum Bedrohungskatalog Live-Demo starten

Diese Seite zitieren

Für Berichte, Richtlinien oder interne Unterlagen; der Link führt direkt auf diese Quellenseite.

„An Architectural Risk Analysis of Machine Learning Systems: Toward More Secure Machine Learning“ (Berryville Institute of Machine Learning (BIML)). Fundstellen im KI-Bedrohungskatalog, Versatile AI Risk Assessment, Stand Juli 2026.
https://www.versatile-ai-risk-assessment.com/wissensbasis/quellen/biml-architekturanalyse-machine-learning/

← Zurück zum Quellenverzeichnis