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-security/references/ai-security-engineering/jailbreak-prevention-production.md

@@ -3,9 +3,21 @@
 **Last updated:** 2026-06-19
 **Status:** GA
 **Category:** AI Security Engineering
+**Type:** reference
+**Source:** https://learn.microsoft.com/azure/ai-services/content-safety/concepts/jailbreak-detection
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Jailbreak-kategorier](#jailbreak-kategorier)
+- [Forsvarsmønstre](#forsvarsmønstre)
+- [Azure-implementering](#azure-implementering)
+- [Produksjonsovervåking](#produksjonsovervåking)
+- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
+- [Kilder og verifisering](#kilder-og-verifisering)
+
 ## Introduksjon
 
 Jailbreak-angrep er bruker-prompts designet for å provosere LLM til å opptre på måter den er trent til å unngå, eller bryte reglene satt i system-meldingen. Disse angrepene kan variere fra intrikate rollespill til subtile undergravinger av sikkerhetsmekanismene. I produksjonssammenheng er robuste forsvarsmønstre kritiske for å beskytte LLM-applikasjoner mot både direkte (user prompt) og indirekte (document-baserte) angrep.