ms-ai-architect/skills/ms-ai-security/references/ai-security-engineering/security-scoring-rubrics-6x5.md

Sikkerhets-scoringsrubrikker (6×5)

Last updated: 2026-06-19 (v1.0) Category: AI Security Engineering Status: Established Practice Formål: Deterministiske rubrikker for security-assessment-agent — erstatter vage 1-5 beskrivelser med eksakte, verifiserbare sjekkpunkter Type: reference Source: https://learn.microsoft.com/security/benchmark/azure/mcsb-v2-artificial-intelligence-security

---

Innhold

• Oversikt
• Vektingsmodell
• Dimensjon 1: Identity & Access Control (20 %)
• Dimensjon 2: Network Security (10 %)
• Dimensjon 3: Data Protection (20 %)
• Dimensjon 4: Content Safety & AI Security (15 %)
• Dimensjon 5: Compliance & Governance (25 %)
• Dimensjon 6: Monitoring & Incident Response (10 %)
• Totalscoreberegning
• Referansecaser
• Sammenligning av casene
• Kilder og forankring
• For Cosmo Skyberg

Oversikt

Denne filen definerer 30 rubrikk-celler (6 dimensjoner × 5 nivåer) med ja/nei-sjekkpunkter for å sikre konsistent, reproduserbar sikkerhetsvurdering av Microsoft AI-arkitekturer. Rammeverket er forankret i Microsoft Cloud Security Benchmark (MCSB) v2, Azure AI security baselines og norske offentlig sektor-krav.

Scoringsregel (gjelder alle celler)

Hver celle inneholder 5 sjekkpunkter. Regelen er:

Antall "Ja"	Score
5/5	5 — Excellent
4/5	4 — Good
3/5	3 — Adequate
2/5	2 — Poor
0-1/5	1 — Critical

Merk: Sjekkpunktene er kumulative — høyere nivåer forutsetter at lavere kontroller er på plass. Bruk dimensjonens sjekkpunkter for det relevante scope (intern/ekstern, sensitivitet).

---

Vektingsmodell

#	Dimensjon	Vekt	Begrunnelse
1	Compliance & Governance	25 %	Regulatoriske brudd har høyest konsekvens for offentlig sektor (GDPR-bøter, AI Act, Schrems II)
2	Data Protection	20 %	Personopplysninger og sensitiv data krever sterk beskyttelse (Personopplysningsloven)
3	Identity & Access Control	20 %	Identitet er Zero Trust-fundamentet; kompromitterte identiteter er #1 attack vector
4	Content Safety & AI Security	15 %	AI-spesifikke trusler (prompt injection, jailbreak) er unike for AI-systemer
5	Network Security	10 %	Nettverksisolasjon er viktig men ofte PaaS-managed i moderne arkitekturer
6	Monitoring & Incident Response	10 %	Oppdagelse og respons er siste forsvarslinje
	Sum	100 %

Arbeidsbelastnings-profiler (adaptiv vekting)

Standard-profilen over er kanonisk og default. For arbeidsbelastninger med markant forskjøvet risikoprofil kan to varianter brukes — de bevarer Standard-profilens relative vektlegging, men flytter tyngdepunktet mot den dominerende trusselen. security-assessment-agent og ms-ai-security SKILL.md peker hit; vekttallene skal ikke dupliseres andre steder.

Dimensjon	Standard (kanonisk)	Eksternt eksponert	Persondata-intensiv
Compliance & Governance	25 %	20 %	30 %
Data Protection	20 %	15 %	25 %
Identity & Access Control	20 %	25 %	20 %
Content Safety & AI Security	15 %	20 %	10 %
Network Security	10 %	15 %	10 %
Monitoring & Incident Response	10 %	5 %	5 %
Sum	100 %	100 %	100 %

• Standard — default for interne og moderat eksponerte systemer. Compliance dominerer (offentlig sektor), deretter data og identitet.
• Eksternt eksponert — borgermøtende/anonymt tilgjengelige systemer. Løfter Identity (25 %), Content Safety (20 %) og Network (15 %) — angrepsflaten mot ukjente brukere (identitetsmisbruk, prompt injection, perimeter). Finansieres ved å redusere Compliance, Data og Monitoring med 5 % hver.
• Persondata-intensiv — systemer som prosesserer sensitiv persondata (fødselsnummer, helse). Løfter Compliance (30 %) og Data (25 %); reduserer Content Safety og Monitoring med 5 % hver.

Totalscoreformelen under bruker Standard-vektene. Ved variant: bytt ut vektene i formelen med den valgte profilens kolonne.

---

Dimensjon 1: Identity & Access Control (20 %)

Referanse: MCSB v2 Identity Management (IM), Privileged Access (PA)

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	Entra ID er eneste autentiseringsmekanisme (API-nøkler deaktivert for alle AI-tjenester)	Azure Policy: disableLocalAuth = true på Foundry Tools (tidl. Cognitive Services) / OpenAI-ressurser
2	RBAC med least privilege er implementert (ingen Owner/Contributor på AI-ressurser uten PIM)	Sjekk rolletildelinger: kun custom roles eller innebygde reader/contributor med scope-begrensning
3	Managed Identities (system-assigned) brukes for alle service-til-service-kommunikasjoner	Ingen hardkodede credentials eller API-nøkler i kode eller config
4	Conditional Access-policyer er aktive (MFA påkrevd, lokasjon/device-baserte regler, risikobasert)	Entra ID → Conditional Access → minimum 2 policyer for AI-tilgang
5	Privileged Identity Management (PIM) er aktivert med JIT-tilgang for administrative roller	PIM-konfigurert for Global Admin, AI-ressurs-owners med max 8 timer aktivering

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	Entra ID + RBAC + Managed Identity + Conditional Access + PIM
4	4/5 oppfylt (vanligvis mangler PIM)	Solid identitetsgrunnlag, men admin-tilgang alltid aktiv
3	3/5 oppfylt (typisk: Entra ID + RBAC + Managed Identity)	Grunnleggende identitetskontroller, ingen adaptive policyer
2	2/5 oppfylt (typisk: Entra ID + grunnleggende RBAC)	API-nøkler fortsatt i bruk, brede rolletildelinger
1	0-1/5 oppfylt	Kun API-nøkler, ingen sentral identitetsstyring

---

Dimensjon 2: Network Security (10 %)

Referanse: MCSB v2 Network Security (NS), Azure AI services security baseline

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	Private Endpoints er konfigurert for alle Azure AI-tjenester (OpenAI, AI Search, Storage)	Azure Portal → Networking → Private endpoint connections ≥ 1 per ressurs
2	Offentlig nettverkstilgang er deaktivert (publicNetworkAccess: Disabled)	Azure Policy: publicNetworkAccess == Disabled for alle AI-ressurser
3	NSG-regler begrenser trafikk (deny-all default + eksplisitte allow-rules for kjente sources)	NSG flow logs viser kun tillatt trafikk fra kjente IP-ranges/subnett
4	API Management (eller tilsvarende gateway) er plassert foran alle eksterne AI-endepunkter med rate limiting	APIM-instans med rate-limit policy (≤ 100 req/min per bruker) og IP-restriksjon
5	DNS-konfigurasjon bruker Private DNS Zones med korrekt VNet-linking (ingen DNS-lekkasje)	privatelink.openai.azure.com DNS zone linket til alle relevante VNets

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	Full nettverksisolasjon med gateway, privat DNS, ingen offentlig eksponering
4	4/5 oppfylt (vanligvis mangler APIM/gateway)	Private endpoints + NSG, men direkte intern tilgang uten gateway
3	3/5 oppfylt (typisk: Private Endpoints + public disabled + NSG)	Grunnleggende isolasjon men uten gateway eller DNS-hardening
2	2/5 oppfylt (typisk: Private Endpoints, men public fortsatt enabled)	Delvis isolasjon, AI-tjenester eksponert via hybrid-tilgang
1	0-1/5 oppfylt	AI-tjenester fullt eksponert på internett, ingen nettverkskontroller

---

Dimensjon 3: Data Protection (20 %)

Referanse: MCSB v2 Data Protection (DP), Azure AI services security baseline, Personopplysningsloven

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	Kryptering i transit er TLS 1.2+ for alle AI-kommunikasjoner (ingen TLS 1.0/1.1)	Azure Policy: minimum TLS version = 1.2 på alle Storage, SQL, AI-ressurser
2	Kryptering at rest med Customer-Managed Keys (CMK) via Azure Key Vault for sensitive data	Key Vault → Keys → CMK-referanse aktiv på AI-tjenester og storage accounts
3	Data residency er sikret i godkjent region (Norway East/West for norsk offentlig sektor)	Alle AI-ressurser provisionert i norwayeast eller norwaywest; ingen cross-region replication uten DPIA
4	DLP-kontroller er aktivert (Azure AI data loss prevention for outbound URL-filtrering + Purview)	Outbound URL-liste konfigurert på AI-tjenester; Purview sensitivity labels på RAG-data
5	PII-deteksjon og redaksjon er implementert i AI-pipeline (input og output)	Azure AI Content Safety PII-deteksjon aktiv, eller custom PII-filter i pre/post-processing

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	CMK + Norway region + DLP + PII-redaksjon + TLS 1.2
4	4/5 oppfylt (vanligvis mangler PII-deteksjon i pipeline)	Sterk datakryptering og residency, men output-PII ikke filtrert
3	3/5 oppfylt (typisk: TLS + platform-managed encryption + Norway region)	Grunnleggende kryptering, ingen CMK eller DLP
2	2/5 oppfylt (typisk: TLS + platform-managed encryption)	Microsoft-managed keys, ingen region-kontroll eller DLP
1	0-1/5 oppfylt	Ukjent krypteringsstatus, data i feil region, ingen PII-kontroller

---

Dimensjon 4: Content Safety & AI Security (15 %)

Referanse: MCSB v2 Artificial Intelligence Security (AI-1 til AI-7), OWASP LLM Top 10, Azure AI Content Safety

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	Azure AI Content Safety er aktivert med content filters for alle 4 harm-kategorier (hate, violence, sexual, self-harm) på medium+ severity	AI Foundry → Guardrails → Content filter konfigurasjon med severity ≥ medium
2	Prompt Shields er aktivert for å detektere jailbreak-forsøk og indirect prompt injection	Content filter → Prompt Shields = ON for både user prompts og documents
3	System message (meta-prompt) inneholder eksplisitte sikkerhetsgrenser og rolleinstruksjoner	System prompt inkluderer: rolleavgrensning, output-begrensninger, "do not reveal" instruksjoner
4	Output-validering er implementert (groundedness-sjekk, PII-redaksjon, hallucination-deteksjon)	Post-processing pipeline med groundedness-scoring ≥ 0.7, output PII-filter aktiv
5	Red team-testing er gjennomført og dokumentert (minst én runde med systematiske jailbreak/injection-tester)	Dokumentert red team-rapport med ASR (Attack Success Rate) < 10 % for alle harm-kategorier

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	Full content safety + prompt shields + meta-prompt + output-validering + red team
4	4/5 oppfylt (vanligvis mangler red team-rapport)	Alle tekniske kontroller på plass, men ingen formell adversarial testing
3	3/5 oppfylt (typisk: content filters + prompt shields + system message)	Default-kontroller aktivert, men ingen output-validering eller testing
2	2/5 oppfylt (typisk: content filters + system message)	Default content filter, men ingen prompt shields eller output-validering
1	0-1/5 oppfylt	Ingen content safety-kontroller, ingen system message, åpent for jailbreak

---

Dimensjon 5: Compliance & Governance (25 %)

Referanse: GDPR/Personopplysningsloven, EU AI Act, Schrems II, Digdir-prinsipper, NSM grunnprinsipper

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	DPIA (personvernkonsekvensutredning) er gjennomført og dokumentert for AI-systemet	DPIA-dokument finnes med risikomatrise, tiltakstabell og godkjenning fra personvernombud
2	AI Act risikoklassifisering er utført (unacceptable/high/limited/minimal risk) med tilhørende tiltak	Dokumentert klassifisering + transparensterklæring for limited/high risk + human oversight-prosedyre
3	Databehandleravtale (DPA) er signert med Microsoft og eventuelle tredjeparter	Gjeldende DPA for Azure-tjenester + sub-processor liste gjennomgått
4	Schrems II-vurdering er dokumentert (EU Data Boundary, overføringskonsekvensvurdering — TIA)	TIA-dokument eller bekreftelse på at EU Data Boundary er aktivert og ingen USA-overføring skjer
5	Audit trail er implementert (Azure Activity Log + Diagnostic Settings med ≥ 90 dagers retention)	Log Analytics workspace med retention ≥ 90 dager, diagnostic settings aktivert på alle AI-ressurser

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	Komplett compliance-dokumentasjon med DPIA + AI Act + DPA + Schrems II + audit
4	4/5 oppfylt (vanligvis mangler Schrems II TIA)	Solid governance, men overføringsvurdering ikke formalisert
3	3/5 oppfylt (typisk: DPIA + DPA + audit trail)	Grunnleggende compliance, men AI Act og Schrems II ikke adressert
2	2/5 oppfylt (typisk: DPA signert + grunnleggende logging)	Minimal governance, viktige vurderinger mangler
1	0-1/5 oppfylt	Ingen DPIA, ukjent risikoklassifisering, ingen audit trail

---

Dimensjon 6: Monitoring & Incident Response (10 %)

Referanse: MCSB v2 Logging and Threat Detection (LT), Incident Response (IR), Defender for Cloud AI threat protection

Sjekkpunkter

#	Sjekkpunkt	Verifiseringsmetode
1	Azure Monitor med Application Insights er konfigurert for alle AI-applikasjoner (latency, errors, throughput)	App Insights connected string i app config, live metrics visible i portal
2	Defender for Cloud er aktivert med AI threat protection (Defender CSPM plan med AI SPM)	Defender for Cloud → Environment Settings → Defender CSPM = ON med AI posture management
3	Diagnostic Settings er aktivert på alle AI-ressurser med logs til Log Analytics (retention ≥ 90 dager)	Diagnostic settings → RequestResponse + Audit logs enabled, sendt til LA workspace
4	Alerting-regler er konfigurert for AI-spesifikke hendelser (content filter triggers, uautorisert tilgang, anomalier)	Azure Monitor → Alerts → minimum 3 active alert rules for AI-relaterte metriker
5	Incident response-plan finnes med definert eskaleringssti, rolleavklaring og recovery-prosedyrer for AI-hendelser	Dokumentert IR-plan med RACI-matrise, eskaleringstider (< 1 time for critical), og øvelseshistorikk

Scoringstabell

Score	Kriterier	Typisk scenario
5	Alle 5 sjekkpunkter oppfylt	Full observability + Defender + alerting + dokumentert IR med øvelser
4	4/5 oppfylt (vanligvis mangler IR-plan med øvelser)	Teknisk monitoring på plass, men ingen formell incident response-prosedyre
3	3/5 oppfylt (typisk: App Insights + Diagnostic Settings + grunnleggende alerts)	Monitoring finnes, men ingen Defender AI SPM eller IR-plan
2	2/5 oppfylt (typisk: App Insights + noen logs)	Begrenset logging, ingen alerting eller threat protection
1	0-1/5 oppfylt	Ingen monitoring, ingen logs, ingen incident response

---

Totalscoreberegning

Formel

Totalscore = Σ (Dimensjonscore × Vekt)
           = (D1 × 0.20) + (D2 × 0.10) + (D3 × 0.20) + (D4 × 0.15) + (D5 × 0.25) + (D6 × 0.10)

Maks: 5.00, Min: 1.00

Risikokategori-mapping

Totalscore	Risikokategori	Anbefalt handling
4.50 – 5.00	Lav risiko	Vedlikehold nåværende sikkerhetsnivå, årlig gjennomgang
3.50 – 4.49	Moderat risiko	Adresser identifiserte gap innen 1-3 måneder
2.50 – 3.49	Høy risiko	Prioriter utbedring innen 2-4 uker, ledelsen informeres
1.50 – 2.49	Kritisk risiko	Umiddelbar handling påkrevd, vurder å stoppe produksjonsdrift
1.00 – 1.49	Uakseptabel risiko	Stopp produksjon, full sikkerhetsgjennomgang før videre drift

Absolutte triggere (overstyrer totalscore)

Uavhengig av totalscore skal risikokategorien oppgraderes til Kritisk dersom:

• Compliance & Governance ≤ 1 (regulatoriske brudd)
• Enhver dimensjon = 1 og systemet er borgermøtende (citizen-facing)
• 3 eller flere dimensjoner scorer ≤ 2

---

Referansecaser

Case A: Copilot Studio chatbot med SharePoint RAG, kun interne brukere, M365 E5

Scenario: Intern HR-chatbot i Direktoratet for digital tjenesteutvikling. Henter svar fra SharePoint-dokumentbibliotek via Copilot Studio. Ingen sensitiv persondata. Tilgjengelig kun for ansatte med M365 E5-lisens.

Dimensjon	Forventet score	Begrunnelse
Identity & Access Control	4	Entra ID (auto via M365), RBAC via SharePoint-tillatelser, Conditional Access via E5, men PIM sjelden konfigurert for Copilot Studio
Network Security	3	Copilot Studio er SaaS (ingen private endpoints mulig), men intern-only tilgang via Entra + DLP. NSG ikke relevant for SaaS.
Data Protection	4	TLS 1.2 (Microsoft-managed), SharePoint kryptert at rest, Norway-region, DLP via M365 E5 Purview, men CMK sjelden for SharePoint
Content Safety & AI Security	3	Copilot Studio har innebygde guardrails og topic-avgrensning, men ingen custom prompt shields, ingen red team-testing
Compliance & Governance	3	DPA med Microsoft finnes, men DPIA ofte ikke gjennomført for intern chatbot, AI Act-klassifisering mangler typisk
Monitoring & Incident Response	3	M365 audit logs finnes, men ingen dedikert AI-monitoring, sjelden konfigurerte alerts eller IR-plan

Forventet totalscore:

= (4 × 0.20) + (3 × 0.10) + (4 × 0.20) + (3 × 0.15) + (3 × 0.25) + (3 × 0.10)
= 0.80 + 0.30 + 0.80 + 0.45 + 0.75 + 0.30
= 3.40

Risikokategori: Høy risiko — Krever utbedring innen 2-4 uker. Hovedfunn: manglende DPIA, AI Act-klassifisering og formell monitoring.

---

Case B: Microsoft Foundry med custom model, borgermøtende, sensitiv persondata

Scenario: Offentlig skjemaveileder for Direktoratet for digital tjenesteutvikling. Brukere (borgere) fyller ut søknader med støtte fra AI. Systemet prosesserer fødselsnummer, helseopplysninger og saksbehandlingdata. Basert på Microsoft Foundry med fine-tuned GPT-4o og Azure AI Search (RAG).

Dimensjon	Forventet score	Begrunnelse
Identity & Access Control	4	Entra ID B2C for borgere, Managed Identity for backend, RBAC konfigurert, Conditional Access for admin — men PIM ofte mangler
Network Security	4	Private Endpoints for OpenAI + AI Search + Storage, public disabled, NSG-regler, men APIM gateway ofte ikke implementert i MVP
Data Protection	3	TLS 1.2, platform-managed encryption, Norway East region — men CMK sjelden for AI Search, PII-deteksjon ofte ufullstendig for norsk fødselsnummer
Content Safety & AI Security	3	Content filters aktivert (medium+), system message med rolleavgrensning, prompt shields ON — men output-groundedness sjelden validert, ingen red team
Compliance & Governance	2	DPA signert, noen audit logs — men DPIA ofte mangelfull for AI-spesifikke risikoer, AI Act-klassifisering (high risk) ikke formalisert, Schrems II TIA mangler
Monitoring & Incident Response	2	App Insights konfigurert for basic telemetri — men ingen Defender AI SPM, ingen AI-spesifikke alerts, ingen IR-plan

Forventet totalscore:

= (4 × 0.20) + (4 × 0.10) + (3 × 0.20) + (3 × 0.15) + (2 × 0.25) + (2 × 0.10)
= 0.80 + 0.40 + 0.60 + 0.45 + 0.50 + 0.20
= 2.95

Risikokategori: Høy risiko — Krever prioritert utbedring innen 2-4 uker. Kritiske funn: mangelfull DPIA for high-risk AI-system, utilstrekkelig monitoring for borgermøtende tjeneste, Schrems II TIA mangler.

Merk: Compliance-score på 2 for et borgermøtende system med sensitiv persondata bør eskaleres til ledelsen selv om totalscore er moderat.

---

Sammenligning av casene

Aspekt	Case A (Intern Copilot)	Case B (Borger-AI)
Totalscore	3.40	2.95
Risikokategori	Høy	Høy
Mest kritisk gap	Compliance (DPIA, AI Act)	Compliance (DPIA, Schrems II) + Monitoring
Letteste quick-win	Gjennomfør DPIA → +1 Compliance	Aktiver Defender AI SPM → +1 Monitoring
Største investering	Red team-testing → +1 Content Safety	Full DPIA + AI Act compliance → +2 Compliance
Tidshorisont utbedring	1-2 måneder	2-4 måneder

---

(Verified MCP 2026-06) — Microsoft har omdøpt 'Cognitive Services' til 'Foundry Tools' i sikkerhetsbaselines (Azure Security Benchmark); MCSB v2 AI Security bruker «Foundry Tools» gjennomgående i implementasjonseksemplene. URL for cognitive-services-security-baseline er fortsatt aktiv men omdirigeres til 'Azure security baseline for Foundry Tools'.

Kilder og forankring

Microsoft Cloud Security Benchmark (MCSB) v2 (preview)

Dimensjonene er mappet til MCSB v2 security domains:

Rubrikk-dimensjon	MCSB v2 domain(s)	Nøkkelkontroller
Identity & Access	IM (Identity Management), PA (Privileged Access)	IM-1, IM-3, IM-7, IM-8, PA-1, PA-7
Network Security	NS (Network Security)	NS-1, NS-2
Data Protection	DP (Data Protection)	DP-1, DP-2, DP-3, DP-4, DP-5, DP-6
Content Safety & AI	AI (Artificial Intelligence Security)	AI-1 til AI-7
Compliance & Governance	GS (Governance and Strategy)	GS + GDPR + AI Act
Monitoring & IR	LT (Logging/Threat Detection), IR (Incident Response)	LT-1, LT-4, IR

Azure Security Baselines (verifisert via MCP; MCSB v2 AI Security re-verifisert 2026-06-19)

• Azure AI services security baseline: https://learn.microsoft.com/security/benchmark/azure/baselines/cognitive-services-security-baseline
• Azure OpenAI security baseline: https://learn.microsoft.com/security/benchmark/azure/baselines/azure-openai-security-baseline
• Microsoft Foundry security baseline: https://learn.microsoft.com/security/benchmark/azure/baselines/azure-ai-foundry-security-baseline
• MCSB v2 AI Security domain: https://learn.microsoft.com/security/benchmark/azure/mcsb-v2-artificial-intelligence-security

Norske rammeverk

• Personopplysningsloven (GDPR-implementering)
• NSM Grunnprinsipper for IKT-sikkerhet
• Digdir Arkitekturprinsipper for digitalisering
• Schrems II (Datatilsynets veileder for overføring til tredjeland)

---

For Cosmo Skyberg

Slik bruker du rubrikkene i en vurdering

1. Start med kontekst: Identifiser scope (intern/ekstern, datatyper, plattform) — dette påvirker hvilke sjekkpunkter som er relevante.
2. Gå gjennom hver dimensjon: Evaluer hvert av de 5 sjekkpunktene med ja/nei. Dokumenter evidens for hvert svar.
3. Beregn dimensjonscore: Tell antall "ja" → score (5 ja = 5, 4 ja = 4, osv.).
4. Beregn totalscore: Bruk vektingsformelen. Rund av til 2 desimaler.
5. Mapper til risikokategori: Bruk tabellen over. Sjekk absolutte triggere.
6. Presenter funn: Bruk output-formatet fra security-assessment-agent med den beregnede scoren.

Vanlige kalibreringsfeller

Felle	Konsekvens	Slik unngår du
Gi høy score for "default"-kontroller	Overvurderer sikkerhetsnivået (default er baseline, ikke "good")	Default = 3. Proaktive tiltak kreves for 4-5.
Score SaaS-tjenester (Copilot Studio) som on-prem	Irrelevante sjekkpunkter (f.eks. private endpoints for SaaS)	Juster sjekkpunkter: SaaS-tjenester har andre nettverksmodeller
Ignorere compliance fordi "det er IT sin jobb"	Compliance-gap oppdages for sent (audit, Datatilsynet)	Compliance-dimensjonen har høyest vekt (25 %) av en grunn
Anta at M365 E5 dekker alt	E5 gir verktøy, men de må konfigureres aktivt	Sjekk: er DLP/Purview/Conditional Access faktisk konfigurert, eller bare lisensiert?
Utelate red team for "lavrisiko"-systemer	Selv intern chatbot kan lekke sensitiv info via jailbreak	Minimum: kjør 10 standard jailbreak-prompts manuelt og dokumenter resultater

Spørsmål å stille kunder

1. "Kan du vise meg rolletildelingene for deres AI-ressurser i Azure?" — Avdekker over-privilegerte kontoer (dimensjon 1).
2. "Er public network access deaktivert på AI-tjenestene?" — Enkel ja/nei som avgjør dimensjon 2 score.
3. "Hvilken region kjører AI-tjenestene i, og har dere dokumentert data residency-valget?" — Avgjør dimensjon 3.
4. "Har dere tilpasset content filter severity levels, eller bruker dere default?" — Default = score 3, tilpasset = score 4+.
5. "Finnes det en DPIA for dette AI-systemet?" — Ja/nei som påvirker dimensjon 5 mest.
6. "Hva skjer hvis AI-systemet begynner å gi feilaktige svar? Hvem blir varslet?" — Avdekker monitoring og IR-gap (dimensjon 6).