Ця стаття вводить Сигнали захищеності для оцінки систем ШІ, керованих правилами, зокрема в модерації контенту, формалізуючи коректність на основі політики та пропонуючи такі методи, як Індекс захищеності (DI), для оцінки стабільності міркувань.