arXiv
ForschungAktiv

When AI Fails, What Works? A Data-Driven Taxonomy of Real-World AI Risk Mitigation Strategies

arXiv

Original-Ressource anzeigen

A 2026 data-driven taxonomy of the mitigation strategies that actually work against real-world AI failures, derived from analysis of documented incidents and mapped to the risks they address.

Schlagwörter

risk taxonomymitigationAI incidents

Auf einen Blick

Veröffentlicht

2026

Zuständigkeit

Global

Kategorie

Risikotaxonomien

Zugang

Öffentlicher Zugang

Mehr in Risikotaxonomien

MIT AI Risk Repository

MIT FutureTech • 2024

OWASP Top 10 for LLM Applications

OWASP • 2023

NIST Adversarial Machine Learning Taxonomy

NIST • 2024

Verwandte Ressourcen

AI Incident Tracker

Vorfälle und Rechenschaftspflicht • MIT

Tracking AI incidents: OECD AIM and AIAIAC Repository

Vorfälle und Rechenschaftspflicht • EthicAI

AIAAIC Repository

Vorfälle und Rechenschaftspflicht • OECD

Bauen Sie Ihr KI-Governance-Programm auf

VerifyWise hilft Ihnen bei der Implementierung von KI-Governance-Frameworks, der Verfolgung von Compliance und dem Management von Risiken in Ihren KI-Systemen.

Bibliothek erkundenDemo anfragen
When AI Fails, What Works? A Data-Driven Taxonomy of Real-World AI Risk Mitigation Strategies | KI-Governance-Bibliothek | VerifyWise