Makine öğrenmesi modelleri geleneksel yazılımdan farklı bir tehdit yüzeyi taşır: kod düzeyinde hiçbir açık bulunmasa da modelin öğrendiği karar sınırı, özel olarak hazırlanmış girdilerle kandırılabilir. Görüntü sınıflandırıcıdan zararlı yazılım tespit motoruna kadar geniş bir alanda gösterilen çekişmeli örnek saldırıları, insan gözünün fark etmediği küçük değişikliklerle modeli tamamen yanlış karara sürükleyebilir. MITRE ATLAS gibi bilgi tabanları bu saldırıları sistematik biçimde sınıflandırır. Program altı modül boyunca saldırı üretiminden savunma değerlendirmesine uzanan bir hat izler ve her modül kod laboratuvarıyla desteklenir. Katılımcılar kaçınma saldırılarını kendi elleriyle üretir, model çalma ve tersine çevirme denemelerini ölçer, sağlamlık test setleri hazırlar ve savunma tekniklerinin doğruluk üzerindeki maliyetini karşılaştırır. Eğitim sonunda her katılımcı, bir model için tehdit haritası, sağlamlık test raporu ve savunma önerilerinden oluşan bir güvenlik değerlendirmesi teslim eder.