An Mākslīgā intelekta inventārs ir nepārtraukti atjaunināts visu jūsu organizācijā darbojošos mākslīgā intelekta resursu katalogs — modeļi, mākslīgā intelekta darbināti galapunkti, datu kopas, mākslīgā intelekta kodēšanas asistenti, MCP serveri un mākslīgā intelekta atkarības — kopā ar attiecībām, riskiem un īpašniekiem, kas tos saista. Drošības kontekstā tam nav nekāda sakara ar noliktavas vai krājumu pārvaldību; šeit, "Mākslīgā intelekta inventārs" Tas vienkārši nozīmē precīzi zināt, kādu mākslīgo intelektu jūs izmantojat, kur tas atrodas un ko tas var sasniegt.
Tā kā mākslīgais intelekts izplatās visos programmatūras izstrādes posmos, sākot no koda ģenerēšanas IDE līdz autonomiem aģentiem, kas darbojas tā iekšpusē CI/CD pipelinejautājums vairs nav par to, vai jūsu vidē ir mākslīgais intelekts. Tas ir atkarīgs no tā, vai tu to vari redzēt. Šajā rokasgrāmatā ir paskaidrots, kas ir mākslīgā intelekta inventarizācija, kā tā ir saistīta ar AI-BOM un SBOM, kāpēc ēnu mākslīgais intelekts ir kļuvusi par drošības problēmu, un kā šī prakse atbilst ES AI akts, NIST mākslīgā intelekta RMF un ISO / IEC 42001.
Galvenie izņemšanas gadījumi
- Mākslīgā intelekta inventarizācija katalogizē visus modeļus, datu kopas, aģentus, MCP serverus un mākslīgā intelekta kodēšanas rīkus visā programmatūras dzīves ciklā, ne tikai tos, kurus ir apstiprinājusi IT komanda.
- Ēnu AI, mākslīgais intelekts, kas ieviests bez pārvaldības, tagad ir norma, nevis izņēmums: vienā 2026. gada drošības vadītāju aptaujā tikai 19 % organizāciju ziņoja par pilnīgu pārredzamību attiecībā uz to, kur un kā tiek izmantots mākslīgais intelekts..
- An AI-BOM (AI materiālu saraksts) ir auditam gatavs mākslīgā intelekta inventarizācijas rezultāts: mākslīgā intelekta laikmeta pēctecis SBOM.
- Regulējums tuvojas. ES Mākslīgā intelekta likums, NIST AI RMF un ISO/IEC 42001 faktiski pieprasa zināt, kādu mākslīgo intelektu jūs izmantojat.
- Inventarizācija ir tikai sākumpunkts; vērtība rodas, novērtējot risku un iedarbojoties uz nelielu skaitu aktīvu, kuriem patiešām ir nozīme.
Kas ir mākslīgā intelekta inventarizācija?
Mākslīgā intelekta inventarizācija ir visu jūsu programmatūras izstrādes dzīves cikla laikā darbojošos mākslīgā intelekta resursu atklāšanas, katalogizēšanas un nepārtrauktas uzraudzības prakse, kā arī ar katru no tiem saistīto risku uzraudzība. Pilnīga inventarizācija atbild uz trim jautājumiem par katru resursu: kas tas ir, kur tas darbojas un kam tas var piekļūt?
Šī darbības joma ir plašāka, nekā vairums komandu sagaida. Jēgpilnam mākslīgā intelekta inventarizācijai vajadzētu aptvert:
- Modeļi: visi lielie valodas modeļi un pamatmodeļi, kas tiek izmantoti izstrādes un ražošanas procesā, ar versiju, atrašanās vietu un noteikšanas ticamības pakāpi.
- Datu kopasapmācības dati, izguves datu kopas un vektoru krātuves, tostarp saskare ar saindētu kontekstu un datu noplūdi.
- Aģentiautonomas sistēmas, kas veic darbības jūsu vidē, piemēram, atverot pull requests, atkarību instalēšanu vai infrastruktūras aizskaršanu.
- MCP serveri: Modeļa konteksta protokols serveri, kas savieno mākslīgā intelekta asistentus ar ārējiem rīkiem, API un datu avotiem.
- Mākslīgā intelekta kodēšanas rīki un palīgi: kopiloti un IDE integrācijas, kas ģenerē kodu, ieteikt atkarības un mijiedarboties ar repozitorijiem.
- AI ietvariLangChain, LangGraph, aģentu serveri un citi orķestrācijas slāņi, kas savieno modeļus ar rīkiem un datiem.
- Aktīvu savstarpējās attiecībasSavienojumi starp modeļiem, aģentiem, serveriem, datu kopām un ar tiem saistītajiem noslēpumiem. Relāciju grafiks padara risku redzamu kontekstā, nevis kā plakanu sarakstu.
AI inventārs salīdzinājumā ar AI aktīvu inventāru salīdzinājumā ar AI-BOM un kā tie atšķiras no SBOM
Šie termini tiek lietoti brīvi, tāpēc ir lietderīgi būt iepriekšcise. “Mākslīgā intelekta inventarizācija” un “Mākslīgā intelekta aktīvu inventarizācija” apzīmē vienu un to pašu.: mākslīgā intelekta aktīvu un to risku dzīvais katalogs. An AI-BOM ir eksportējams artefakts, ko rada inventārs.mašīnlasāms materiālu saraksts, ko varat iesniegt auditoram vai enterprise pircējs.
Skaidrākais veids, kā izprast AI-BOM, ir pēc analoģijas ar SBOM:
Mākslīgajam intelektam (AI) kļūstot integrētam visā pasaulē SDLCAI-BOM kļūst tikpat fundamentāls kā SBOM, un drošības vadītāji arvien biežāk saņem pieprasījumus no auditoriem un enterprise iepirkumu komandas tieši šim artefaktam.
Kāpēc mākslīgā intelekta inventārs ir svarīgs tagad
Trīs spēki ir pārvērtuši mākslīgā intelekta inventāru no patīkamas lietas par prioritāti.
- Pirmkārt, mākslīgais intelekts raksta nedrošu kodu plašā mērogā. Neatkarīgi pētījumi konsekventi atklāj, ka liela daļa mākslīgā intelekta ģenerēta koda ir saistīta ar ievainojamībām. Sākotnējā NYU/Copilot pētījumā, ko veica Pīrss un līdzautori, tika konstatēts aptuveni 40% no ģenerētajām programmām saturēja drošības ievainojamības, un jaunākie liela mēroga testi norāda uz to pašu: Veracode 2025. gada analīze, kurā tika izmantoti vairāk nekā 100 modeļi, atklāja tikai 55% no mākslīgā intelekta ģenerētā koda bija drošsJa nezināt, kuri palīgi ģenerē kodu jūsu ierīcē. pipeline...jūs nevarat kontrolēt šo risku.
- Otrkārt, programmatūras piegādes ķēde ir kļuvusi par mākslīgā intelekta uzbrukuma virsmu. Septembrī 2025, Šajs Huluds, pirmais pašvairojošais npm tārps, pārvērta izstrādātāju mašīnas par izplatīšanas mehānismu, izplatoties simtiem pakotņu. 2026. gada martā uzbrucēji apdraudēja axios, iepakojums ar aptuveni 100 miljoni lejupielāžu nedēļā, publicējot saindētas versijas, kas izplatīja attālās piekļuves Trojas zirgu. Šādi uzbrukumi notiek tieši slānī starp tradicionālo lietotņu drošības sistēmu un galapunktu rīkiem: slānī, kura apgaismošanai ir izveidots mākslīgā intelekta inventarizācijas plāns.
- Treškārt, noslēpumi un akreditācijas dati noplūst caur mākslīgo intelektu. GitGuardian ziņojumā “State of Secrets Sprawl 2026” ziņots, ka Mākslīgā intelekta pakalpojumu noslēpumu noplūdes pieauga par 81% salīdzinājumā ar iepriekšējo gaduun ka ar mākslīgā intelekta palīdzību commits leak secretaptuveni divreiz ātrāk nekā bāzes ātrums. Katrs nedokumentēts modelis, aģents vai MCP serveris ir potenciāls ceļš uz akreditācijas datiem.
Tradicionālā lietotņu drošības sistēma (AppSec) apstājas pie repozitorija un nesaprot, kas ir modelis. Galapunktu rīki uzrauga operētājsistēmu, bet nesaprot pakotnes, MCP serverus vai mākslīgā intelekta palīgus. Plaisa starp tām ir vieta, kur uzkrājas mākslīgā intelekta risks, un inventarizācija ir pirmais solis tās novēršanai.
Kur slēpjas mākslīgais intelekts: Ēnu mākslīgais intelekts visā pasaulē SDLC
Ēnu AI vai kāda mākslīgā intelekta sistēma tiek ieviesta bez oficiālas apstiprināšanas vai pārvaldības: izstrādātāja pagājušajā nedēļā aktivizētais otrais pilots, MCP serveris, kas darbojas klēpjdatorā, modelis, kas tieši no publiska centra tiek pārnests uz blakusprojektu. Tas nav robežgadījums. 2026. gadā veiktā aptaujā, kurā piedalījās vairāk nekā 400 drošības līderu, tikai 19% ziņoja par pilnīgu pārredzamību attiecībā uz to, kur un kā tiek izmantots mākslīgais intelekts visā savā organizācijā, savukārt lielākā daļa jau izmantoja vai izmēģināja mākslīgā intelekta kodēšanas asistentus.
Visgrūtāk atrast ēnu mākslīgo intelektu (AI) programmatūras dzīves cikla ietvaros, jo tas reti parādās mākoņkonsolē:
- Modeļi un mākslīgā intelekta bibliotēkas tiek ievāktas repozitorijos kā atkarības.
- Mākslīgā intelekta kodēšanas asistenti, kas konfigurēti katram izstrādātājam un katrai IDE.
- MCP serveri un noteikumu faili, kas darbojas lokāli izstrādātāju galapunktos.
- Aģentu darbplūsmas klusa atvēršana pull requests vai pakotņu instalēšanu.
Tāpēc tikai mākonī veikta atklāšana nav pietiekama. Patiesi pilnīgai mākslīgā intelekta inventarizācijai ir jāietver kods un izstrādes vides (izstrādātāja klēpjdators, repozitorijs, pipeline), ne tikai ražošanas mākonī.
Kas pieder AI-BOM
Auditam gatavs AI-BOM pārvērš jūsu inventāru par kaut ko tādu, ko varat pierādīt. Tajā jāiekļauj vismaz:
- Katrs mākslīgā intelekta resurs: modeļi, datu kopas, aģenti, MCP serveri, mākslīgā intelekta kodēšanas rīki.
- Līdzekļa veids, atrašanās vieta un katra noteikšanas ticamības pakāpe.
- Izcelsme un atkarības (no kurienes nāca modelis vai komponents).
- Riska līmenis katram aktīvam, pamatojoties uz mākslīgajam intelektam specifiskiem uzbrukuma vektoriem.
- Normatīvā sasaiste ar ES Mākslīgā intelekta likumu, NIST mākslīgā intelekta RMF un ISO/IEC 42001.
- Eksportējams, mašīnlasāms formāts auditoriem un klientiem.
Organizācijām, kas var ģenerēt AI-BOM pēc pieprasījuma, būs reālas atbilstības un uzticēšanās priekšrocības, AI audita saistībām nobriestot.
Mākslīgā intelekta inventarizācija un atbilstība: ES Mākslīgā intelekta likums, NIST AI RMF un ISO/IEC 42001
Nevienā no galvenajiem ietvariem “mākslīgā intelekta inventārs” netiek minēts kā atsevišķa pozīcija, taču bez tās tos faktiski nav iespējams apmierināt. Jūs nevarat dokumentēt, klasificēt vai pārvaldīt mākslīgā intelekta sistēmas, kuras nevarat redzēt.
Piezīme par laika grafiku: ES Mākslīgā intelekta likuma ieviešana tika pārskatīta ar 2026. gada maija “Digitālā kopīgā” nolīgumu, kas lielāko daļu augsta riska saistību atlika uz 2027. gada decembri, vienlaikus saglabājot vairākus 2026. gada 2. augusta atskaites punktus (pārredzamības pienākumi, GPAI sodu pilnvaras). Precīzus datumus uztveriet kā mainīgu mērķi un salīdziniet ar primārajiem ES avotiem. Taču virziens ir skaidrs, un visa tā priekšnoteikums ir inventarizācija.
Kā izveidot un uzturēt mākslīgā intelekta inventarizāciju
Inventarizācijas veidošana nav tik vienkārša kā vienreizēja revīzija, bet gan nepārtraukta procesa izveide, jo mākslīgā intelekta līdzekļi pastāvīgi mainās: tiek ieviesti jauni modeļi, izvietoti jauni aģenti, konfigurēti jauni MCP serveri, bieži vien bez apstiprinājuma.
Praktiska pieeja:
- Automātiska atklāšana kodā, būvējumā un mākonī. Manuāli veidotas izklājlapas noveco dažu dienu laikā. Discovery ir jādarbojas nepārtraukti un jāiedziļinās SDLC, ne tikai izpildlaikā.
- Klasificēt un kartēt attiecības. Reģistrējiet veidu, atrašanās vietu, izcelsmi un, kritiski svarīgi, to, kā katrs aktīvs ir saistīts ar citiem un noslēpumiem.
- Novērtējiet risku kontekstā. Nevienam nepalīdz simtiem atradumu saraksts; prioritizējiet tos, kas ir faktiski sasniedzami, izmantojami un uzņēmējdarbībai kritiski svarīgi.
- Piešķirt īpašumtiesības. Katram aktīvam ir nepieciešams atbildīgs īpašnieks.
- Saglabājiet to tiešsaistē un eksportējamu. Uzturēt to kā nepārtrauktu inventāru, kas pēc pieprasījuma var ģenerēt AI-BOM.
Kas jāmeklē mākslīgā intelekta inventarizācijas programmatūrā
Ja jūs novērtējat rīkus, šīs ir iespējas, kas atšķir īstu mākslīgā intelekta inventarizācijas programmatūru no statiskā saraksta:
- Izprot mākslīgajam intelektam raksturīgos līdzekļu veidus (modeļi, aģenti, MCP serveri, datu kopas), ne tikai pakotnes un bibliotēkas.
- Sniedzas iekšā SDLC, atklājot mākslīgo intelektu kodā un izstrādātāju galapunktos, ne tikai mākonī.
- Kartes attiecības, ne tikai atsevišķi aktīvi, tāpēc risks ir redzams kontekstā.
- Novērtē risku attiecībā uz mākslīgajam intelektam specifiskiem uzbrukuma vektoriem (ātra injekcija, nedroša MCP, pārmērīga rīcībspēja), ne tikai CVE smaguma pakāpe.
- Darbojas nepārtraukti, uztverot jauno mākslīgo intelektu, kā tas parādās.
- Izveido auditam gatavu AI-BOM kas apmierina gan auditorus, gan enterprise iepirkums.
- Savieno inventarizāciju ar izpildi, lai jūs varētu rīkoties atbilstoši atrastajam.
No inventarizācijas līdz rīcībai: atrastā nodrošināšana
Atklāšana ir pirmais solis; otrais ir izpratne par to, kuri aktīvi ir saistīti ar reālu risku, jo lielākā daļa no tiem nebūs. Mērķis ir pāriet no tūkstošiem neapstrādātu atklājumu uz nedaudzajiem, kas faktiski var apdraudēt sistēmas, datus vai darbības: tiem, kas tiek aktīvi izmantoti, pieņem neuzticamu ievadi, ir reāli izmantojami, tiem ir sensitīva piekļuve un tie ietekmē ražošanas vai regulētos aktīvus.
Šeit notiek mākslīgā intelekta drošības stāvokļa pārvaldība (AI-SPM) uzņem apgriezienus: inventarizācijas veikšana, riska novērtēšana AI uzbrukuma ceļā, tā sasaistīšana ar regulējumu un AI-BOM izveide. Tieši šeit inventarizācija sastopas ar izpildes nodrošināšanu: ļaunprātīgu atkarību bloķēšana pirms to instalēšanas, neapstiprinātu MCP serveru un modeļu noraidīšana un apdraudētu galapunktu ierobežošana pirms incidenta izplatīšanās.
At Ksigēni, šis ir modelis, uz kuru mēs veidojam: nepārtraukta AI inventarizācija un AI-BOM, izmantojot AI-SPM, ļaunprogrammatūras noteikšana, kas uztver ļaunprātīgas pakotnes, pirms pastāv paraksts (MEW, ļaunprogrammatūras agrīna brīdināšana) un politikas ieviešanu izstrādātāja galapunktā, izmantojot Xygeni Shield. Atklāšana ir saskaņota ar OWASP Top 10 LLM lietojumprogrammām, OWASP Top 10 aģentu lietotnēm un OWASP MCP Top 10. Taču neatkarīgi no izvēlētās pieejas princips ir spēkā: Jūs nevarat nodrošināt to, ko nevarat redzēt, un mākslīgā intelekta inventarizācija ir vieta, kur sākas redzamība.
Biežāk uzdotie jautājumi
Kā AI-BOM atšķiras no SBOM?
An SBOM katalogizē atvērtā pirmkoda un trešo pušu programmatūras atkarības, kas novērtētas pēc CVE nopietnības. AI-BOM katalogizē AI specifiskus aktīvus (modeļus, aģentus, MCP serverus, datu kopas) ar AI specifisku riska novērtējumu un regulējuma kartēšanu. AI izplatoties visā SDLCAI-BOM kļūst tikpat fundamentāls kā SBOM.
Kas ir ēnu mākslīgais intelekts un kā to atklāt?
Ēnu mākslīgais intelekts ir jebkurš mākslīgais intelekts, kas ieviests bez oficiālas apstiprināšanas vai pārvaldības: iespējots kopilots, lokāls MCP serveris, modelis, kas iegūts no publiska centra. Jūs to atklājat ar nepārtrauktu automatizētu inventarizāciju, kas nonāk līdz kodam, versijai pipelineun izstrādātāju galapunkti, ne tikai ražošanas mākonis, kur lielākā daļa ēnu mākslīgā intelekta nekad neparādās.
Vai ES Mākslīgā intelekta likums paredz mākslīgā intelekta inventarizāciju?
ES Mākslīgā intelekta likumā “Mākslīgā intelekta inventarizācija” nav tieši minēta, taču tā dokumentācijas, klasifikācijas un reģistrācijas pienākumus augsta riska sistēmām nav iespējams izpildīt bez tās. Tas pats attiecas uz NIST mākslīgā intelekta RMF (Map function, Govern 1.6) un ISO/IEC 42001, kas paredz mākslīgā intelekta sistēmu inventarizācijas uzturēšanu.
Kas ir AI-SPM?
Mākslīgā intelekta drošības stāvokļa pārvaldība (MI-SPM) ir prakse, kuras laikā nepārtraukti tiek atklāti MI līdzekļi, novērtēti to riski MI uzbrukuma ceļā, tie tiek sasaistīti ar noteikumiem un MI-BOM tiek izveidots. Tā paplašina stāvokļa pārvaldības domāšanu (pazīstama no CSPM un DSPM) uz MI specifiskiem līdzekļiem un uzbrukuma vektoriem.
Cik bieži jāatjaunina mākslīgā intelekta inventārs?
Nepārtraukti. Mākslīgā intelekta resursi mainās katru dienu, komandām ieviešot jaunus modeļus, izvietojot jaunus aģentus un konfigurējot jaunus MCP serverus, parasti bez oficiāla apstiprinājuma. Konkrēta laika skenēšana ir novecojusi dažu dienu laikā, tāpēc efektīva mākslīgā intelekta inventarizācijas programmatūra darbojas kā nepārtraukts process, nevis vienreizēja revīzija.
Kā es varu inventarizēt mākslīgo intelektu, kas tiek izmantots pirmkodā?
Mākslīgā intelekta inventarizācija kodā nozīmē kā atkarības ievāktu mākslīgā intelekta modeļu un bibliotēku, izstrādātāja konfigurētu mākslīgā intelekta kodēšanas palīgu un lokāli darbojošos MCP serveru vai noteikumu failu noteikšanu. Tam nepieciešama noteikšana, kas darbojas iekšienē. SDLC (repozitoriji, veidot pipelineun izstrādātāju galapunktiem), nevis tikai mākoņkonsolēs.
