Rättskällor med officiella primärkällor

Utskrivet ·

Hoppa till innehåll
Hoppa till svaret

Agent · ai-act-2024-1689-15

AI Act artikel 15: Riktighet, robusthet och cybersäkerhet

Strukturellt träd: artikelns egna punkter, ordagrant.

CELEX 32024R1689 · 2026-08-18 · Vikt 88 · minimal-risk

PremiumHandskrivet eller högviktat regelträd. Mäts per anrop i kanten när mätningen slås på, med samma adress och samma svar som i dag.

AI ActOfficiell källa

Vad sidan är
Agent, AI Act artikel 15
Läst mot officiell källa
2026-08-18Färsk
Ansvarig utgivare
ExploreWorld Legal, redaktionenAnsvarsposition

Jurisdiktion

Samma agent, läst med ett lands ögon.

Indata

  • in_scopeArtikeln är tillämplig på förhållandetboolean
  • punktPunkt i artikelnenum (1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9)

Regelträd

  1. Om: alla(in_scope = true, punkt = 1)

    Punkt 1 gäller

    1. AI-system med hög risk ska utformas och utvecklas på ett sådant sätt att de uppnår en lämplig nivå avseende riktighet, robusthet och cybersäkerhet och presterar väl i dessa avseenden under hela sin livscykel.

    Punkt 1

  2. Om: alla(in_scope = true, punkt = 2)

    Punkt 2 gäller

    2. För att hantera de tekniska aspekterna av hur de lämpliga nivåer av riktighet och robusthet som anges i punkt 1 och andra relevanta prestandamått mäts ska kommissionen i samarbete med relevanta berörda parter och organisationer, såsom metrologi- och riktmärkningsmyndigheter, vid behov, uppmuntra utvecklingen av riktmärken och mätmetoder.

    Punkt 2

  3. Om: alla(in_scope = true, punkt = 3)

    Punkt 3 gäller

    3. Riktighetsnivåerna och relevanta riktighetsmått för AI-system med hög risk ska anges i de medföljande bruksanvisningarna.

    Punkt 3

  4. Om: alla(in_scope = true, punkt = 4)

    Punkt 4 gäller

    4. AI-system med hög risk ska vara så resilienta som möjligt mot felaktigheter, funktionsfel eller inkonsekvenser som kan uppstå inom det system eller den miljö där systemet är i drift, särskilt på grund av deras interaktion med fysiska personer eller andra system. Tekniska och organisatoriska åtgärder ska vidtas i detta avseende.

    Punkt 4

  5. Om: alla(in_scope = true, punkt = 5)

    Punkt 5 gäller

    Robustheten hos AI-system med hög risk kan uppnås genom lösningar med teknisk redundans, som kan omfatta backup eller felsäkra planer.

    Punkt 5

  6. Om: alla(in_scope = true, punkt = 6)

    Punkt 6 gäller

    AI-system med hög risk som fortsätter att lära sig efter det att de har släppts ut på marknaden eller tagits i bruk ska utvecklas på ett sådant sätt att risken för att eventuella biaser i utdata påverkar indata för framtida drift (återföring) elimineras eller minskas så mycket som möjligt och så att det säkerställs att sådan återföring hanteras på vederbörligt sätt med lämpliga kompenserande åtgärder.

    Punkt 6

  7. Om: alla(in_scope = true, punkt = 7)

    Punkt 7 gäller

    5. AI-system med hög risk ska vara resilienta mot försök av obehöriga tredje parter att ändra deras användning, utdata eller prestanda genom att utnyttja systemets sårbarheter.

    Punkt 7

  8. Om: alla(in_scope = true, punkt = 8)

    Punkt 8 gäller

    De tekniska lösningar som syftar till att säkerställa cybersäkerhet i AI-system med hög risk ska vara anpassade till de relevanta omständigheterna och riskerna.

    Punkt 8

  9. Om: alla(in_scope = true, punkt = 9)

    Punkt 9 gäller

    De tekniska lösningarna för att hantera AI-specifika sårbarheter ska, när det är lämpligt, inbegripa åtgärder för att förebygga, upptäcka, reagera på, komma till rätta med och bekämpa attacker som försöker manipulera träningsdatasetet (dataförgiftning) eller förtränade komponenter som används i träningen (modellförgiftning), indata som är utformade för att få AI-modellen att göra ett misstag (antagonistiska exempel e…

    Punkt 9

Om ingen regel matchar: Artikeln är inte angiven som tillämplig, eller så är ingen punkt vald. Agenten avstår hellre än gissar.

Artikeltexten som lästes

  1. 11. AI-system med hög risk ska utformas och utvecklas på ett sådant sätt att de uppnår en lämplig nivå avseende riktighet, robusthet och cybersäkerhet och presterar väl i dessa avseenden under hela sin livscykel.
  2. 22. För att hantera de tekniska aspekterna av hur de lämpliga nivåer av riktighet och robusthet som anges i punkt 1 och andra relevanta prestandamått mäts ska kommissionen i samarbete med relevanta berörda parter och organisationer, såsom metrologi- och riktmärkningsmyndigheter, vid behov, uppmuntra utvecklingen av riktmärken och mätmetoder.
  3. 33. Riktighetsnivåerna och relevanta riktighetsmått för AI-system med hög risk ska anges i de medföljande bruksanvisningarna.
  4. 44. AI-system med hög risk ska vara så resilienta som möjligt mot felaktigheter, funktionsfel eller inkonsekvenser som kan uppstå inom det system eller den miljö där systemet är i drift, särskilt på grund av deras interaktion med fysiska personer eller andra system. Tekniska och organisatoriska åtgärder ska vidtas i detta avseende.
  5. 5Robustheten hos AI-system med hög risk kan uppnås genom lösningar med teknisk redundans, som kan omfatta backup eller felsäkra planer.
  6. 6AI-system med hög risk som fortsätter att lära sig efter det att de har släppts ut på marknaden eller tagits i bruk ska utvecklas på ett sådant sätt att risken för att eventuella biaser i utdata påverkar indata för framtida drift (återföring) elimineras eller minskas så mycket som möjligt och så att det säkerställs att sådan återföring hanteras på vederbörligt sätt med lämpliga kompenserande åtgärder.
  7. 75. AI-system med hög risk ska vara resilienta mot försök av obehöriga tredje parter att ändra deras användning, utdata eller prestanda genom att utnyttja systemets sårbarheter.
  8. 8De tekniska lösningar som syftar till att säkerställa cybersäkerhet i AI-system med hög risk ska vara anpassade till de relevanta omständigheterna och riskerna.
  9. 9De tekniska lösningarna för att hantera AI-specifika sårbarheter ska, när det är lämpligt, inbegripa åtgärder för att förebygga, upptäcka, reagera på, komma till rätta med och bekämpa attacker som försöker manipulera träningsdatasetet (dataförgiftning) eller förtränade komponenter som används i träningen (modellförgiftning), indata som är utformade för att få AI-modellen att göra ett misstag (antagonistiska exempel eller modellkringgående), sekretessangrepp eller modellfel.

Härkomst

treatyTFEU art. 288 (förordning)
act32024R1689
chapterIII. High-risk AI systems
article15
paragraphs9
jurisdictionNorge (NO)
supervisorEDPB — Det europeiske personvernrådet
national

Gränssnitt

callhttps://legal.exploreworldai.com/api/public/v1/agents/ai-act-2024-1689-15/run
methodGET
outputmatched, outcome, trace, missing, hash
Kvot60 anrop per minut och adress, utan nyckel
stabilityRegelträdet versioneras. En ändring byter artefakthash, aldrig adress.

Hashar

textsha256:2c62227cf5e3b397a54d4b6166e51309c9c7d00c113e179a13c1326c1ae9d904
scriptsha256:33b0a0da4515807cce2c6d2a59c7d5a9802be751f96f3ebaeec15146508b3a51
enginesha256:0a4bd50d21f8ec9be383fc091511008b76ad61909cbfb674eab56fe567fbd7a0
agentsha256:c887ab0a94582d48801ac5e8e2544a5addcc2f144e018f23e8f8dabe573aa6d9
versionagent-engine-1+legal-2026-08-25 / c887ab0a94582d48

Artefakter

Ingen rådgivning. Deterministisk regeluppslagning. Ingen juridisk rådgivning, inget efterlevnadsbeslut, ingen bedömning av ett enskilt ärende.

Citering: 32024R1689 art. 15, Riktighet, robusthet och cybersäkerhet. ExploreWorld Legal, https://legal.exploreworldai.com/agent/ai-act-2024-1689/artikel-15 (hämtad 2026-08-18, bevis sha256:750962c07d50ef9b, bygge legal-2026-08-25).