可信机器学习是机器学习的重要部分，是一门研究机器学习可信属性的学科。本书将可信机器学习的属性贯穿始终，全面系统地介绍可信机器学习的概念原则和技术方法。本书内容分六部分。第一部分详细阐述可信机器学习的框架、机器学习生命周期以及安全性相关概念；第二部分针对机器学习中的数据介绍数据偏差、数据隐私等相关概念和解决方法；第三部分围绕建模过程介绍检测理论、监督学习和因果建模的理论及方法；第四部分针对机器学习的可靠性，讲解分布偏移的概念和缓解方法，以及机器学习公平性和安全性方法；第五部分围绕人与机器的交互，阐述机器学习的可解释性、透明性和价值对齐；第六部分针对机器学习的目标，介绍伦理原则、社会公益以及过滤气泡等问题。