feat(ms-ai-architect): Spor 1 — Port-1-substrat migrert på 4 ikke-advisor-skills (243 Source + 327 Type + 325 TOC + stale-verified poison fjernet) [skip-docs]

Steg 9 (R4): unified migrate-corpus.mjs --write over engineering/governance/
infrastructure/security. 327 filer mutert, verified=null, prosa byte-identisk
(fra første ## seksjon), advisor urørt (0 endringer).

To applier-fixes oppdaget under kjøring (TDD, RED→GREEN):
- insertHeaderFields: anker faller nå tilbake når en meta-linje selv passerer
  500B (2 filer pakket et avsnitt i **Status:** → Type/Source landet utenfor
  scan-vinduet, applierens post-write-assertion fanget + restaurerte).
- normalizeStaleVerified: fjerner nå ALLE stale non-date **Verified:** i
  500B-vinduet, inkl. stray body-dup rett under --- (9 mlops-genaiops-filer var
  ellers falskt "verified"/fresh, droppet fra worklist). Operatør-godkjent
  utvidelse av carve-out; kun stray metadata-linjer, aldri prosa.

test-transform-criterion: precondition oppdatert til post-migrasjons-sannhet
(fila bærer nå Source). Suite 728/728 grønn.

skills/ms-ai-governance/references/norwegian-public-sector-governance/ros-analyse-ai-systems.md

@@ -3,9 +3,22 @@
 **Last updated:** 2026-06-19
 **Status:** Gjeldende
 **Category:** Norwegian Public Sector AI Governance
+**Type:** reference
+**Source:** https://learn.microsoft.com/azure/well-architected/security/threat-model
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Lovgrunnlag og krav](#lovgrunnlag-og-krav)
+- [ROS-metodikk for AI](#ros-metodikk-for-ai)
+- [AI-spesifikke risikoer](#ai-spesifikke-risikoer)
+- [Microsoft-verktøy for risikostyring](#microsoft-verktøy-for-risikostyring)
+- [ROS-mal for AI-prosjekter](#ros-mal-for-ai-prosjekter)
+- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
+- [Kilder og verifisering](#kilder-og-verifisering)
+
 ## Introduksjon
 
 ROS-analyse (Risiko- og Sårbarhetsanalyse) er en systematisk tilnærming til å identifisere, vurdere og håndtere risikoer knyttet til IKT-systemer. For AI-systemer i norsk offentlig sektor innebærer dette en utvidet metodikk som tar høyde for AI-spesifikke risikoer som modellsikkerhet, dataintegritet, bias, og konsekvenser av automatiserte beslutninger.