ML-BOM(머신러닝 자재명세서)은 AI 시스템을 구성하는 모델, 데이터셋, 프레임워크 및 종속성 목록으로, 각 요소의 출처도 함께 기술되어 있으며, 기계가 읽을 수 있는 형식으로 작성되었습니다.
- 존재 이유: 전통 SBOM 이 목록은 코드 라이브러리를 나열할 뿐입니다. 모델, 학습 데이터 또는 출처에 대한 설명은 포함하지 않습니다.
- 형식: 사이클론DX ML-BOM (standardECMA-424로 명명됨) 및 SPDX 3.0 AI 및 데이터셋 프로파일.
- 지침: G7 SBOM AI용: 최소 요소2026년 5월에 발표된 이 문서는 7개의 데이터 클러스터를 정의합니다. 참여는 자발적입니다.
- 어려운 부분: 형식이 문제가 아닙니다. 애초에 모든 AI 자산을 찾는 것이 문제입니다.
정의: ML-BOM이란 무엇인가? #
대부분의 엔지니어링 팀에게 애플리케이션에서 사용하는 오픈 소스 라이브러리가 무엇인지 물어보면 몇 분 안에 대답할 수 있을 것입니다. 왜냐하면 그들의 애플리케이션은 수많은 오픈 소스 라이브러리를 사용하고 있기 때문입니다. SBOM 그들에게 알려줍니다. 같은 애플리케이션이 어떤 모델, 데이터셋, AI 프레임워크에 의존하는지 물어보면 대개 "확인해 보겠습니다"라는 대답으로 시작합니다.
ML-BOM은 이러한 격차를 해소합니다. 이는 소프트웨어 자재 명세서와 같은 AI 버전의 문서로, 시스템에 사용되는 모든 머신러닝 구성 요소를 구조화하고 기계가 읽을 수 있는 형태로 기록한 것입니다. 각 모델에 대해 식별 정보, 버전, 공급업체, 라이선스 정보는 물론 세부 정보까지 기록합니다. SBOM 훈련에 사용된 데이터 세트, 사용 목적 및 알려진 한계와 같은 정보는 필요하지 않았습니다.
이 용어는 ~에서 유래했습니다. 사이클론DX버전 1.5에서 ML-BOM 지원이 추가되었습니다. 또한 다음 내용도 확인하실 수 있습니다. AI-BOM SBOM AI를 위해 일반적으로 에이전트, 프롬프트 및 AI 서비스를 포함하는 더 넓은 범위에서 동일한 개념에 사용됩니다. 단순히 학습된 모델만을 의미하는 것은 아닙니다.
ML-BOM에는 무엇이 포함되어야 할까요? #
정확한 필드는 형식에 따라 다르지만, 유용한 ML-BOM은 각 AI 구성 요소에 대한 다음 다섯 가지 질문에 답합니다.
- 그것은 무엇인가? 모델명, 버전, 유형 및 아키텍처.
- 어디에서 왔습니까? 공급업체, 소스 저장소 또는 모델 허브, 그리고 라이선스.
- 무엇을 학습했나요? 사용된 데이터 세트, 출처 및 알려진 민감도.
- 그것은 무엇에 달려 있습니까? 실행에 필요한 프레임워크, 라이브러리 및 인프라.
- 그 한계는 무엇인가? 사용 목적, 알려진 위험 및 성능 특성.
G7 가이드라인은 동일한 개념들을 메타데이터, 시스템 수준 속성, 모델, 데이터셋 속성, 인프라, 보안 속성 및 핵심 성과 지표의 7가지 범주로 분류합니다.
지금 ML-BOM이 중요한 이유 #
AI가 검토 없이 코드베이스에 진입하고 있습니다. 개발자들은 공개 허브에서 모델을 가져오고, AI 프레임워크를 추가하고, MCP 서버를 연결하는 작업을 라이브러리를 추가하는 것처럼 쉽게 할 수 있습니다. 하지만 이러한 과정에는 조직에서 직접 작성하지 않았거나 검증하지 않았을 수 있는 코드, 가중치 및 데이터가 포함됩니다.
AI 공급망은 공격에 취약한 부분입니다. The OWASP LLM 지원자 대상 Top 10 LLM03은 공급망을 위험 요소로 나열합니다. 여기에는 손상된 모델, 오염된 데이터 및 AI 스택의 악성 패키지가 포함됩니다. 존재 여부를 알지 못하는 구성 요소는 평가할 수 없습니다.
구매자와 감사 담당자들이 질문을 하기 시작했습니다. 어떤 규정도 ML-BOM을 명시적으로 의무화하지는 않습니다. 그러나 EU AI 법은 고위험 AI 시스템에 대한 기술 문서를 요구하고 있으며, 사이버 복원력 법은 ML-BOM을 요구합니다. SBOM스페인의 ENS와 같은 프레임워크는 자산 목록을 요구합니다. ML-BOM은 이 세 가지 모두에 대한 실질적인 증거이며, 조달팀은 이를 설문지에 추가하고 있습니다.
ML-BOM을 구축하는 방법 #
수기로 작성하는 방식은 개별 모델에는 효과적일 수 있지만, 조직 전체에는 적합하지 않습니다. 지속 가능한 접근 방식은 세 가지 요소로 구성됩니다.
- 위험과 연관지어 생각해보세요. 아무도 활용하지 않는 목록은 서류 작업에 불과합니다. 각 구성 요소는 취약점, 라이선스 및 출처와 연결되어야 합니다.
- 자동으로 검색합니다. 개발자가 사용하는 항목을 보고하는 것에 의존하는 대신 코드, 선언된 종속성 및 구성 파일을 스캔합니다.
- 지속적으로 생성합니다. 숙련된 팀에서 ML-BOM을 재생성하는 방식과 동일하게 모델, 데이터셋 또는 종속성이 변경될 때마다 ML-BOM을 재생성하십시오. SBOMCI의 s.
누군가 물어보기 전에 어떤 AI를 사용하고 있는지 알아두세요. #
Xygeni AI 보안 저장소 전체에서 AI 자산(모델, AI 프레임워크, 데이터 세트, 추론 엔드포인트, 에이전트, MCP 서버, 스킬, 프롬프트)을 검색합니다. guardrails 애플리케이션 코드, 선언된 종속성 및 AI 도구가 남기는 구성 파일 등에서 AI 코딩 도구와 관련된 모든 정보를 가져옵니다. 개발자가 어떤 도구를 사용하는지 선언할 필요가 없습니다.
Xygeni는 해당 인벤토리를 기반으로 감사자와 고객에게 제공할 수 있는 기계 판독 가능한 AI-BOM을 생성합니다. AI 스택의 종속성도 나머지 코드와 동일하게 처리됩니다. 소프트웨어 구성 분석을 통해 CVE를 확인하고, 서명이 생성되기 전에 악성 패키지를 탐지합니다.
데모 예약 자신의 코드베이스에 대한 AI-BOM을 확인하려면.
FAQ #
ML-BOM은 AI 시스템의 구성 요소 목록입니다. 시스템이 사용하는 모델, 데이터 세트 및 프레임워크와 각각의 출처를 기록하여 보안, 법률 및 규정 준수 팀이 위험을 평가할 수 있도록 합니다.
대부분 그렇습니다. LLM 레드팀은 언어 모델과 그 위에 구축된 애플리케이션에 초점을 맞춥니다. AI 레드팀은 이 두 용어가 겹칩니다. ML-BOM은 CycloneDX에서 사용하는 명칭으로 머신러닝 모델과 데이터셋에 중점을 둡니다. AI-BOM은 더 광범위하며 에이전트, 프롬프트, MCP 서버 및 AI 서비스까지 포함하는 경우가 많습니다.
명칭으로 명시한 것은 아닙니다. EU 인공지능법에 따른 고위험 시스템 관련 기술 문서와 같이 실제로 존재하는 의무에 대한 실질적인 증거를 제시하는 것입니다. SBOM 사이버 복원력법에 따라 요구되는 사항입니다. G7 최소 요소는 다음과 같습니다. SBOM AI 참여는 자발적입니다.
현재 통용되는 두 가지 형식은 CycloneDX ML-BOM입니다. standardECMA-424로 명명되었으며, SPDX 3.0 AI 및 데이터셋 프로필. 기존 프로필을 선택하세요. SBOM 이미 관련 도구가 지원되므로 소프트웨어와 AI 기반 재고 관리 시스템이 함께 작동합니다.
