QuellenverzeichnisNational Institute of Standards and Technology (NIST)NIST AI 100-2e2025

Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations

„Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations“. Herausgeber: National Institute of Standards and Technology (NIST). Herangezogener Stand: NIST AI 100-2e2025. Der Bedrohungskatalog von Versatile AI Risk Assessment belegt 29 seiner 52 Bedrohungen mit diesem Dokument, an 23 geprüften Fundstellen.

Stand: Juli 2026 · Katalogversion 2026.07.17.3

Angaben zum Dokument

Herausgeber: National Institute of Standards and Technology (NIST)
Herangezogener Stand: NIST AI 100-2e2025
Jahr: nicht angegeben
Lizenz: nicht angegeben
Rahmenwerk: NIST AI RMF

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

Fundstellen im Katalog (23)

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
`Abschnitt 3.5`	Security of Agents Abschnitt 3.5, p. 54	Unsicheres Tool-Design Excessive Agency (übermäßige Handlungsermächtigung)Agenten-KI / Autonome Agenten MCP-Hijacking (Model Context Protocol)
`NISTAML.012`	Clean-label Poisoning Taxonomy Index, p. x; Abschnitt 2.3.1, p. 20; related clean-label targeted attacks in Abschnitt 2.3.2, p. 21	Vergiftung der Trainingsdaten Gezielte Datenvergiftung / Label-Vergiftung
`NISTAML.013`	Data Poisoning Taxonomy Index, pp. x–xi; Abschnitt 2.3.1, p. 19; Abschnitt 3.2.1, p. 42	Vergiftung der Trainingsdaten
`NISTAML.014`	Energy-latency Taxonomy Index, p. x; Abschnitt 2.1.2, p. 6; Glossary, p. 108	Denial-of-Service auf das Modell
`NISTAML.015`	Indirect Prompt Injection Taxonomy Index, pp. x–xi; Abschnitt 3.4, pp. 50–53; Glossary, p. 110	Prompt Injection – Indirekt Exfiltration aus der ML-Anwendung RAG-spezifische Angriffe (Document Poisoning)Cross-Tenant-Leakage (Multi-Tenant Vector-DB)MCP-Hijacking (Model Context Protocol)Graph-RAG-Vergiftung (Knowledge-Graph-Injection)
`NISTAML.018`	Prompt Injection Taxonomy Index, pp. x–xi; Abschnitt 3.3, pp. 43–49; Glossary, p. 111	Prompt Injection – Direkt Extraktion des Meta-Prompts
`NISTAML.021`	Clean-label Backdoor Taxonomy Index, p. x; Abschnitt 2.3.3, pp. 22–25	Backdoor im ML-Modell
`NISTAML.022`	Evasion Taxonomy Index, p. x; Abschnitt 2.2, pp. 11–18	Adversariale Eingaben Multimodale Angriffe
`NISTAML.023`	Backdoor Poisoning Taxonomy Index, pp. x–xi; Abschnitt 2.3.3, pp. 22–25; Abschnitt 3.2.1–3.2.2, p. 42	Backdoor im ML-Modell Sleepy Agent (zeit-/ereignisgetriggerte verdeckte Instruktionen)
`NISTAML.024`	Targeted Poisoning Taxonomy Index, pp. x–xi; Abschnitt 2.3.2, p. 21; Abschnitt 3.2.1, p. 42	Gezielte Datenvergiftung / Label-Vergiftung
`NISTAML.025`	Black-box Evasion Taxonomy Index, p. x; Abschnitt 2.2.2, p. 15	Adversariale Eingaben Multimodale Angriffe
`NISTAML.026`	Model Poisoning Taxonomy Index, p. x; Abschnitt 2.3.4, p. 26	Lieferkette – Modelle Backdoor im ML-Modell
`NISTAML.027`	Misaligned Outputs Taxonomy Index, p. xi; Abschnitt 3.4.2, pp. 51–52	RAG-spezifische Angriffe (Document Poisoning)Graph-RAG-Vergiftung (Knowledge-Graph-Injection)
`NISTAML.031`	Model Extraction Taxonomy Index, p. x; Abschnitt 2.4.4, pp. 31–32; Abschnitt 3.3.2, p. 47	Modell-Diebstahl Modell-Reconnaissance Seitenkanal-Angriffe (Timing-Analyse)
`NISTAML.032`	Reconstruction Taxonomy Index, p. x; Abschnitt 2.4.1, pp. 28–29	Privacy-Angriffe Offenlegung sensibler Informationen
`NISTAML.033`	Membership Inference Taxonomy Index, p. x; Abschnitt 2.4.2, pp. 29–30	Privacy-Angriffe
`NISTAML.035`	Prompt Extraction Taxonomy Index, p. xi; Abschnitt 3.3.2, pp. 46–47; Glossary, p. 111	Extraktion des Meta-Prompts Offenlegung sensibler Informationen
`NISTAML.036`	Leaking information from user interactions Taxonomy Index, p. xi; Abschnitt 3.4.3, pp. 52–53	Exfiltration aus der ML-Anwendung Cross-Tenant-Leakage (Multi-Tenant Vector-DB)
`NISTAML.038`	Data Extraction Taxonomy Index, p. xi; Abschnitt 3.3.2, pp. 46–47	Privacy-Angriffe Offenlegung sensibler Informationen
`NISTAML.039`	Compromising connected resources Taxonomy Index, p. xi; Abschnitt 3.4.3, pp. 52–53	Exfiltration aus der ML-Anwendung MCP-Hijacking (Model Context Protocol)
`NISTAML.04`	Misuse Violations Taxonomy Index, p. xi; Abschnitt 3.1.2, p. 40	Jailbreaks
`NISTAML.05`	Supply Chain Attacks Taxonomy Index, pp. x–xi; Abschnitt 3.2, pp. 41–43	Lieferkette – Infrastruktur Lieferkette – Datensätze Middleware-Exploits (Angriffe auf AI-Frameworks)Shadow AI (nicht genehmigte Nutzung von KI-Diensten)
`NISTAML.051`	Model Poisoning Taxonomy Index, p. xi; Abschnitt 3.2.2, p. 42	Lieferkette – Modelle Backdoor im ML-Modell Sleepy Agent (zeit-/ereignisgetriggerte verdeckte Instruktionen)

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 (29)

Nach Themengruppe geordnet. Jeder Eintrag führt zur vollständigen Bedrohungsseite.

Angriffe auf Modell und Betrieb

Anwendungs- und Integrationssicherheit

Autonome KI und Agenten

Datenschutz und Datenabfluss

Lieferkette und Herkunft

Manipulation von Modell und Trainingsdaten

Prompt-Angriffe und Umgehung von Schutzmechanismen

Verlässlichkeit und verantwortliche Nutzung

Shadow AI (nicht genehmigte Nutzung von KI-Diensten)

Weitere Dokumente desselben Herausgebers

Alle im Katalog belegten Dokumente von National Institute of Standards and Technology (NIST).

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.

„Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations“ (National Institute of Standards and Technology (NIST)). Fundstellen im KI-Bedrohungskatalog, Versatile AI Risk Assessment, Stand Juli 2026.
https://www.versatile-ai-risk-assessment.com/wissensbasis/quellen/nist-ai-100-2-adversarial-machine-learning/

← Zurück zum Quellenverzeichnis