Una ML-BOM (lista de materiales de aprendizaje automático) es un inventario legible por máquina de los modelos, conjuntos de datos, marcos y dependencias que componen un sistema de IA, junto con la procedencia de cada uno.
- ¿Por qué existe? un tradicional SBOM Enumera las bibliotecas de código. No describe un modelo, sus datos de entrenamiento ni su procedencia.
- Los formatos: CycloneDX ML-BOM (standardidentificados como ECMA-424) y los perfiles de IA y conjunto de datos SPDX 3.0.
- La guía: el G7 SBOM para IA: Elementos mínimosPublicado en mayo de 2026, define siete grupos de datos. Su uso es voluntario.
- La parte difícil: No es el formato. Es encontrar todos los recursos de IA en primer lugar.
Definición: ¿Qué es una ML-BOM? #
Pregúntale a la mayoría de los equipos de ingeniería qué bibliotecas de código abierto utiliza su aplicación y podrán responder en minutos, porque su SBOM Les dice. Si se le pregunta de qué modelos, conjuntos de datos y marcos de IA depende la misma aplicación, la respuesta suele empezar con "déjame comprobarlo".
Una ML-BOM cierra esa brecha. Es el equivalente en IA de una lista de materiales de software: un registro estructurado y legible por máquina de cada componente de aprendizaje automático en un sistema. Para cada modelo, captura la identidad, la versión, el proveedor y la licencia, además de detalles y SBOM nunca fue necesario, como los conjuntos de datos con los que fue entrenado, su uso previsto y sus limitaciones conocidas.
El término proviene de CiclónDX, que añadió soporte para ML-BOM en la versión 1.5. También verá AI-BOM y SBOM para IA Se utiliza para la misma idea, generalmente con un alcance más amplio que incluye agentes, indicaciones y servicios de IA, no solo modelos entrenados.
Qué contiene una lista de materiales ML #
Los campos exactos dependen del formato, pero un ML-BOM útil responde a cinco preguntas sobre cada componente de IA:
- ¿Qué es? Nombre del modelo, versión, tipo y arquitectura.
- ¿De dónde vino? Proveedor, repositorio de origen o centro de modelos y licencia.
- ¿En qué estaba entrenado? Los conjuntos de datos utilizados, su origen y cualquier sensibilidad conocida.
- ¿De qué depende? Los marcos de trabajo, las bibliotecas y la infraestructura que necesita para funcionar.
- ¿Cuales son sus límites? Uso previsto, riesgos conocidos y características de rendimiento.
Las directrices del G7 agrupan las mismas ideas en siete categorías: metadatos, propiedades a nivel de sistema, modelos, propiedades de conjuntos de datos, infraestructura, propiedades de seguridad e indicadores clave de rendimiento.
ML-BOM vs SBOM #
Una ML-BOM no reemplaza una SBOMLos sistemas de IA siguen siendo software, por lo que aún necesitan uno. El ML-BOM agrega la capa y SBOM no puedo ver.
| Dimensión | SBOM | ML-BOM |
|---|---|---|
| Describe | Componentes y bibliotecas de software | Modelos, conjuntos de datos y componentes de aprendizaje automático |
| Campos clave | Nombre, versión, proveedor, licencia, hash | Además, datos de entrenamiento, procedencia, uso previsto, limitaciones. |
| Principal riesgo que rastrea | Dependencias vulnerables o maliciosas | Modelos no fiables, datos manipulados o sensibles, procedencia desconocida. |
| cambia cuando | Se actualiza una dependencia | Un modelo se reentrena, se intercambia o se ajusta. |
| Formatos | CycloneDX, SPDX | Perfiles de CycloneDX ML-BOM, SPDX 3.0 AI y Dataset |
Por qué las listas de materiales ML son importantes ahora #
La IA se está incorporando a los códigos fuente sin revisión. Los desarrolladores extraen modelos de repositorios públicos, añaden marcos de IA y conectan servidores MCP con la misma facilidad con la que añaden una biblioteca. Cada uno aporta código, ponderaciones y datos que la organización no ha escrito y que quizás no haya verificado.
La cadena de suministro de IA es una superficie de ataque. El Los 10 mejores candidatos para el Máster en Derecho de OWASP La cadena de suministro figura como riesgo LLM03: modelos comprometidos, datos manipulados y paquetes maliciosos en la pila de IA. No se puede evaluar un componente cuya existencia se desconoce.
Los compradores y auditores están empezando a preguntar. Ninguna normativa exige un ML-BOM por su nombre. Pero la Ley de IA de la UE espera documentación técnica para sistemas de IA de alto riesgo, la Ley de Resiliencia Cibernética exige un SBOMy marcos como el ENS de España requieren un inventario de activos. Una lista de materiales basada en aprendizaje automático (ML-BOM) es la evidencia práctica que respalda los tres, y los equipos de compras la están incorporando a sus cuestionarios.
Cómo crear una lista de materiales (ML-BOM) #
Escribir a mano funciona para un modelo individual. No funciona para una organización. Un enfoque sostenible tiene tres partes:
- Relaciónalo con el riesgo. Un inventario que nadie utiliza es solo papeleo. Cada componente debe estar vinculado a sus vulnerabilidades, su licencia y su procedencia.
- Descúbrelo automáticamente. Analizar el código, las dependencias declaradas y los archivos de configuración en lugar de depender de que los desarrolladores informen sobre lo que utilizan.
- Generar continuamente. Regenerar el ML-BOM cada vez que cambie un modelo, un conjunto de datos o una dependencia, de la misma manera que lo hacen los equipos maduros. SBOMs en CI.
Sepa qué IA utiliza antes de que alguien le pregunte. #
Seguridad de IA de Xygeni descubre los activos de IA en sus repositorios (modelos, marcos de IA, conjuntos de datos, puntos finales de inferencia, agentes, servidores MCP, habilidades, indicaciones, guardrails y las herramientas de codificación de IA en uso) del código de la aplicación, las dependencias declaradas y los archivos de configuración que dejan las herramientas de IA. Nada depende de que los desarrolladores declaren lo que usan.
A partir de ese inventario, Xygeni genera una lista de materiales de IA (AI-BOM) legible por máquina que puede entregar a auditores y clientes. Las dependencias de la pila de IA reciben el mismo tratamiento que el resto de su código: se detectan vulnerabilidades (CVE) mediante análisis de composición de software y paquetes maliciosos antes de que exista una firma.
Agenda una demo para ver la lista de materiales de IA de tu propio código fuente.
Preguntas Frecuentes #
Una ML-BOM es una lista de ingredientes para la IA. Registra qué modelos, conjuntos de datos y marcos de trabajo utiliza un sistema y de dónde proviene cada uno, para que los equipos de seguridad, legales y de cumplimiento puedan evaluar el riesgo.
En su mayoría. El red teaming de LLM se centra en los modelos de lenguaje y las aplicaciones construidas sobre ellos. El red teaming de IA es Los términos se superponen. ML-BOM es el nombre de CycloneDX y se centra en los modelos de aprendizaje automático y los conjuntos de datos. AI-BOM es más amplio y a menudo incluye agentes, mensajes, servidores MCP y servicios de IA también.
No por su nombre. Es la evidencia práctica de las obligaciones que existen, como la documentación técnica de la Ley de IA de la UE para sistemas de alto riesgo y la SBOM requerido por la Ley de Resiliencia Cibernética. Los elementos mínimos del G7 para un SBOM La participación en la IA es voluntaria.
Los dos formatos establecidos son CycloneDX ML-BOM, standardidentificada como ECMA-424 y la SPDX 3.0 Perfiles de IA y conjuntos de datos. Elija el que ya tenga. SBOM Las herramientas ya lo permiten, por lo que los inventarios de software e IA coexisten.
