本书归纳AI算网的模型对抗性机器学习(AML)分类，厘清相关术语，介绍了算网接入终端多智能体攻击面测绘数据分离式持续审计技术的特征性三元组(TRI-C)，剖析了审计对象的可用性、审计结果的准确性、审计过程的合规性之间的影响方式。本书结合多目标优化理论，实现了对特征性三元组的综合量化评估，在此基础上，设计了面向算网接入终端安全的分离式持续审计框架，该框架针对数据采集、数据分析中的关键技术，为后续的技术研究提供了理论支撑。