Bu ders, derin sinir ağı modellerinin güvenliği ve sağlamlığına ilişkin kapsamlı bir giriş dersidir. Tehdit modellerini ve bunlara karşılık gelen önlemleri birlikte ele alır. Konular, adversaryal örnekler ve arka kapı (Trojan) saldırıları gibi temel saldırı paradigmalarından başlayarak, dağınık sitemlerde ortaya çıkan tehditlere kadar ilerler. Federe öğrenme (federated learning) çerçevesi derinlemesine incelenir; veri heterojenliği, Bizans ataklarına karşın sağlamlık (Byzantine robustness) ve gizliliği koruyan birleştirme (privacy-preserving aggregation) konularına özel olarak yer verilir. Diferansiyel gizlilik (differential privacy) temel ilkelerden başlanarak tanıtılır ve makine öğrenmesi ile federe sistemlere entegrasyonu üzerinden geliştirilir. Ders boyunca, tehdit modelleri ve savunma mekanizmaları PyTorch kütüphaneleri kullanılarak uygulamalı olarak hayata geçirilir. Ders projesi kapsamında öğrencilerden, güncel literatürden seçilmiş bir yayını yeniden üretmeleri ve eleştirel biçimde analiz etmeleri istenir.