ഒരു ML-BOM എന്താണ്?

ഒരു ML-BOM (മെഷീൻ ലേണിംഗ് ബിൽ ഓഫ് മെറ്റീരിയൽസ്) എന്നത് ഒരു AI സിസ്റ്റം നിർമ്മിക്കുന്ന മോഡലുകൾ, ഡാറ്റാസെറ്റുകൾ, ഫ്രെയിംവർക്കുകൾ, ഡിപൻഡൻസികൾ എന്നിവയുടെ മെഷീൻ വായിക്കാവുന്ന ഇൻവെന്ററിയാണ്, കൂടാതെ ഓരോന്നും എവിടെ നിന്ന് വന്നു എന്നതും ഇതിൽ ഉൾപ്പെടുന്നു.

• എന്തുകൊണ്ടാണ് ഇത് നിലനിൽക്കുന്നത്: ഒരു പരമ്പരാഗത SBOM കോഡ് ലൈബ്രറികൾ പട്ടികപ്പെടുത്തുന്നു. ഇത് ഒരു മോഡലിനെയോ അതിന്റെ പരിശീലന ഡാറ്റയെയോ അതിന്റെ ഉത്ഭവത്തെയോ വിവരിക്കുന്നില്ല.
• ഫോർമാറ്റുകൾ: സൈക്ലോൺഡിഎക്സ് എംഎൽ-ബിഒഎം (standardECMA-424 ആയി വികസിപ്പിച്ചെടുത്തു), SPDX 3.0 AI, ഡാറ്റാസെറ്റ് പ്രൊഫൈലുകൾ.
• മാർഗ്ഗനിർദ്ദേശം: ജി7 SBOM AI-യ്‌ക്ക്: ഏറ്റവും കുറഞ്ഞ ഘടകങ്ങൾ2026 മെയ് മാസത്തിൽ പ്രസിദ്ധീകരിച്ച, ഏഴ് ഡാറ്റ ക്ലസ്റ്ററുകളെ നിർവചിക്കുന്നു. ഇത് സ്വമേധയാ ഉള്ളതാണ്.
• കഠിനമായ ഭാഗം: ഫോർമാറ്റ് അല്ല. എല്ലാ AI അസറ്റിനെയും ആദ്യം കണ്ടെത്തുകയാണ് അത്.

നിർവചനം: ഒരു ML-BOM എന്താണ്? #

മിക്ക എഞ്ചിനീയറിംഗ് ടീമുകളെയും അവരുടെ ആപ്ലിക്കേഷൻ ഉപയോഗിക്കുന്ന ഓപ്പൺ സോഴ്‌സ് ലൈബ്രറികൾ ഏതൊക്കെയാണെന്ന് ചോദിച്ചാൽ അവർക്ക് മിനിറ്റുകൾക്കുള്ളിൽ ഉത്തരം നൽകാൻ കഴിയും, കാരണം അവരുടെ SBOM അവരോട് പറയുന്നു. ഒരേ ആപ്ലിക്കേഷൻ ഏതൊക്കെ മോഡലുകൾ, ഡാറ്റാസെറ്റുകൾ, AI ഫ്രെയിംവർക്കുകൾ എന്നിവയെ ആശ്രയിച്ചിരിക്കുന്നുവെന്ന് ചോദിക്കുക, ഉത്തരം സാധാരണയായി "ഞാൻ പരിശോധിക്കട്ടെ" എന്ന് തുടങ്ങുന്നു.

ഒരു ML-BOM ആ വിടവ് നികത്തുന്നു. ഇത് ഒരു സോഫ്റ്റ്‌വെയർ മെറ്റീരിയലുകളുടെ ബില്ലിന് തുല്യമായ AI ആണ്: ഒരു സിസ്റ്റത്തിലെ ഓരോ മെഷീൻ ലേണിംഗ് ഘടകത്തിന്റെയും ഘടനാപരമായ, മെഷീൻ വായിക്കാൻ കഴിയുന്ന റെക്കോർഡ്. ഓരോ മോഡലിനും ഇത് ഐഡന്റിറ്റി, പതിപ്പ്, വിതരണക്കാരൻ, ലൈസൻസ് എന്നിവ പിടിച്ചെടുക്കുന്നു, കൂടാതെ ഒരു SBOM ഒരിക്കലും ആവശ്യമില്ല, അതായത് അത് പരിശീലിപ്പിച്ച ഡാറ്റാസെറ്റുകൾ, ഉദ്ദേശിച്ച ഉപയോഗം, അറിയപ്പെടുന്ന പരിമിതികൾ എന്നിവ.

ഈ പദം വരുന്നത് CycloneDX, ഇത് പതിപ്പ് 1.5 ൽ ML-BOM പിന്തുണ ചേർത്തു. നിങ്ങൾ ഇതും കാണും AI-BOM ഒപ്പം SBOM AI-യ്‌ക്ക് ഒരേ ആശയത്തിനായി ഉപയോഗിക്കുന്നു, സാധാരണയായി പരിശീലനം ലഭിച്ച മോഡലുകൾ മാത്രമല്ല, ഏജന്റുമാർ, പ്രോംപ്റ്റുകൾ, AI സേവനങ്ങൾ എന്നിവ ഉൾപ്പെടുന്ന വിശാലമായ വ്യാപ്തിയോടെ.

ഒരു ML-BOM-ൽ എന്താണ് അടങ്ങിയിരിക്കുന്നത് #

കൃത്യമായ ഫീൽഡുകൾ ഫോർമാറ്റിനെ ആശ്രയിച്ചിരിക്കുന്നു, പക്ഷേ ഉപയോഗപ്രദമായ ഒരു ML-BOM ഓരോ AI ഘടകത്തെയും കുറിച്ചുള്ള അഞ്ച് ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നു:

1. ഇത് എന്താണ്? മോഡലിന്റെ പേര്, പതിപ്പ്, തരം, വാസ്തുവിദ്യ.
2. ഇത് എവിടെ നിന്ന് വന്നു? വിതരണക്കാരൻ, ഉറവിട ശേഖരം അല്ലെങ്കിൽ മോഡൽ ഹബ്, ലൈസൻസ്.
3. എന്തിലാണ് ഇത് പരിശീലിപ്പിച്ചത്? ഉപയോഗിച്ച ഡാറ്റാസെറ്റുകൾ, അവയുടെ ഉത്ഭവം, അറിയപ്പെടുന്ന ഏതെങ്കിലും സെൻസിറ്റിവിറ്റി.
4. അത് എന്തിനെ ആശ്രയിച്ചിരിക്കുന്നു? അതിന് പ്രവർത്തിക്കാൻ ആവശ്യമായ ചട്ടക്കൂടുകൾ, ലൈബ്രറികൾ, അടിസ്ഥാന സൗകര്യങ്ങൾ.
5. അതിന്റെ പരിധികൾ എന്തൊക്കെയാണ്? ഉദ്ദേശിച്ച ഉപയോഗം, അറിയപ്പെടുന്ന അപകടസാധ്യതകൾ, പ്രകടന സവിശേഷതകൾ.

G7 മാർഗ്ഗനിർദ്ദേശം ഒരേ ആശയങ്ങളെ ഏഴ് ക്ലസ്റ്ററുകളായി തരംതിരിക്കുന്നു: മെറ്റാഡാറ്റ, സിസ്റ്റം-ലെവൽ പ്രോപ്പർട്ടികൾ, മോഡലുകൾ, ഡാറ്റാസെറ്റ് പ്രോപ്പർട്ടികൾ, ഇൻഫ്രാസ്ട്രക്ചർ, സുരക്ഷാ പ്രോപ്പർട്ടികൾ, പ്രധാന പ്രകടന സൂചകങ്ങൾ.

ML-BOM-കൾ ഇപ്പോൾ എന്തുകൊണ്ട് പ്രധാനമാണ് #

AI അവലോകനം കൂടാതെ കോഡ്ബേസുകളിൽ പ്രവേശിക്കുന്നു. ഡെവലപ്പർമാർ പൊതു കേന്ദ്രങ്ങളിൽ നിന്ന് മോഡലുകൾ പുറത്തെടുക്കുകയും, AI ഫ്രെയിംവർക്കുകൾ ചേർക്കുകയും, ഒരു ലൈബ്രറി ചേർക്കുന്നത് പോലെ എളുപ്പത്തിൽ MCP സെർവറുകളെ ബന്ധിപ്പിക്കുകയും ചെയ്യുന്നു. ഓരോന്നും സ്ഥാപനം എഴുതാത്തതും പരിശോധിച്ചിട്ടില്ലാത്തതുമായ കോഡ്, വെയ്റ്റുകൾ, ഡാറ്റ എന്നിവ കൊണ്ടുവരുന്നു.

AI വിതരണ ശൃംഖല ഒരു ആക്രമണ പ്രതലമാണ്. ദി എൽഎൽഎം അപേക്ഷകൾക്കുള്ള OWASP ടോപ്പ് 10 വിതരണ ശൃംഖലയെ അപകടസാധ്യതയുള്ളതായി പട്ടികപ്പെടുത്തുന്നു LLM03: അപഹരിക്കപ്പെട്ട മോഡലുകൾ, വിഷലിപ്തമായ ഡാറ്റ, AI സ്റ്റാക്കിലെ ക്ഷുദ്ര പാക്കേജുകൾ. നിങ്ങൾക്കറിയാത്ത ഒരു ഘടകം അവിടെ ഉണ്ടെന്ന് നിങ്ങൾക്ക് വിലയിരുത്താൻ കഴിയില്ല.

വാങ്ങുന്നവരും ഓഡിറ്റർമാരും ചോദിക്കാൻ തുടങ്ങിയിരിക്കുന്നു. ഒരു നിയന്ത്രണവും പേര് സൂചിപ്പിക്കുന്ന ഒരു ML-BOM-നെ നിർബന്ധിക്കുന്നില്ല. എന്നാൽ ഉയർന്ന അപകടസാധ്യതയുള്ള AI സിസ്റ്റങ്ങൾക്ക് EU AI ആക്റ്റ് സാങ്കേതിക ഡോക്യുമെന്റേഷൻ പ്രതീക്ഷിക്കുന്നു, സൈബർ റെസിലിയൻസ് ആക്റ്റ് ആവശ്യപ്പെടുന്നത് SBOM, കൂടാതെ സ്പെയിനിന്റെ ENS പോലുള്ള ചട്ടക്കൂടുകൾക്ക് ഒരു ആസ്തി ഇൻവെന്ററി ആവശ്യമാണ്. മൂന്നിനും പിന്നിലെ പ്രായോഗിക തെളിവ് ഒരു ML-BOM ആണ്, കൂടാതെ സംഭരണ ​​സംഘങ്ങൾ അത് അവരുടെ ചോദ്യാവലിയിൽ ചേർക്കുന്നു.

ഒരു ML-BOM എങ്ങനെ നിർമ്മിക്കാം #

കൈകൊണ്ട് എഴുതുന്നത് ഒരൊറ്റ മാതൃകയ്ക്ക് മാത്രമേ പ്രവർത്തിക്കൂ. ഒരു സ്ഥാപനത്തിന് ഇത് പ്രവർത്തിക്കില്ല. ഒരു സുസ്ഥിര സമീപനത്തിന് മൂന്ന് ഭാഗങ്ങളുണ്ട്:

• അതിനെ അപകടവുമായി ബന്ധിപ്പിക്കുക. ആരും നടപടിയെടുക്കാത്ത ഒരു ഇൻവെന്ററി പേപ്പർവർക്കാണ്. ഓരോ ഘടകങ്ങളും അതിന്റെ ദുർബലതകൾ, ലൈസൻസ്, ഉത്ഭവം എന്നിവയുമായി ബന്ധപ്പെട്ടിരിക്കണം.
• യാന്ത്രികമായി കണ്ടെത്തുക. ഡെവലപ്പർമാർ എന്താണ് ഉപയോഗിക്കുന്നതെന്ന് റിപ്പോർട്ട് ചെയ്യുന്നതിന് അവരെ ആശ്രയിക്കുന്നതിനുപകരം കോഡ്, പ്രഖ്യാപിത ഡിപൻഡൻസികൾ, കോൺഫിഗറേഷൻ ഫയലുകൾ എന്നിവ സ്കാൻ ചെയ്യുക.
• തുടർച്ചയായി ഉത്പാദിപ്പിക്കുക. ഒരു മോഡൽ, ഡാറ്റാസെറ്റ് അല്ലെങ്കിൽ ആശ്രിതത്വം മാറുമ്പോഴെല്ലാം, മുതിർന്ന ടീമുകൾ പുനരുജ്ജീവിപ്പിക്കുന്ന അതേ രീതിയിൽ ML-BOM പുനരുജ്ജീവിപ്പിക്കുക. SBOMസി.ഐ.യിൽ എസ്.

ആരെങ്കിലും ചോദിക്കുന്നതിനു മുമ്പ് നിങ്ങൾ എന്ത് AI ഓടുന്നുവെന്ന് അറിയുക #

സൈജെനി AI സുരക്ഷ നിങ്ങളുടെ റിപ്പോസിറ്ററികളിലുടനീളമുള്ള AI അസറ്റുകൾ കണ്ടെത്തുന്നു (മോഡലുകൾ, AI ഫ്രെയിംവർക്കുകൾ, ഡാറ്റാസെറ്റുകൾ, അനുമാന എൻഡ്‌പോയിന്റുകൾ, ഏജന്റുകൾ, MCP സെർവറുകൾ, കഴിവുകൾ, പ്രോംപ്റ്റുകൾ, guardrails (ഉപയോഗത്തിലുള്ള AI കോഡിംഗ് ടൂളുകൾ) ആപ്ലിക്കേഷൻ കോഡ്, പ്രഖ്യാപിത ഡിപൻഡൻസികൾ, AI ടൂളുകൾ അവശേഷിപ്പിക്കുന്ന കോൺഫിഗറേഷൻ ഫയലുകൾ എന്നിവയിൽ നിന്ന്. ഡെവലപ്പർമാർ എന്താണ് ഉപയോഗിക്കുന്നതെന്ന് പ്രഖ്യാപിക്കുന്നതിനെ ആശ്രയിച്ചല്ല ഒന്നും.

ആ ഇൻവെന്ററിയിൽ നിന്ന്, Xygeni ഓഡിറ്റർമാർക്കും ഉപഭോക്താക്കൾക്കും കൈമാറാൻ കഴിയുന്ന ഒരു മെഷീൻ-റീഡബിൾ AI-BOM സൃഷ്ടിക്കുന്നു. AI സ്റ്റാക്കിന്റെ ഡിപൻഡൻസികൾക്ക് നിങ്ങളുടെ കോഡിന്റെ ബാക്കി ഭാഗങ്ങളുടെ അതേ ചികിത്സ ലഭിക്കുന്നു: സോഫ്റ്റ്‌വെയർ കോമ്പോസിഷൻ വിശകലനത്തിലൂടെയുള്ള CVE-കൾ, ഒപ്പ് നിലനിൽക്കുന്നതിന് മുമ്പ് കണ്ടെത്തിയ ക്ഷുദ്ര പാക്കേജുകൾ.

ഒരു ഡെമോ ഷെഡ്യൂൾ ചെയ്യുക നിങ്ങളുടെ സ്വന്തം കോഡ്ബേസിന്റെ AI-BOM കാണാൻ.

പതിവുചോദ്യങ്ങൾ #