எம்எல்-பிஓஎம் (இயந்திர கற்றல் மூலப்பொருட்களின் பட்டியல்) என்பது ஒரு செயற்கை நுண்ணறிவு அமைப்பை உருவாக்கும் மாதிரிகள், தரவுத்தொகுப்புகள், கட்டமைப்புகள் மற்றும் சார்புநிலைகள், அத்துடன் அவை ஒவ்வொன்றும் எங்கிருந்து வந்தன என்பனவற்றின் இயந்திரத்தால் படிக்கக்கூடிய ஒரு விவரப்பட்டியல் ஆகும்.
- அது ஏன் இருக்கிறது: ஒரு பாரம்பரிய SBOM குறியீட்டு நூலகங்களைப் பட்டியலிடுகிறது. இது ஒரு மாதிரியையோ, அதன் பயிற்சித் தரவையோ அல்லது அதன் தோற்றத்தையோ விவரிக்கவில்லை.
- வடிவங்கள்: சைக்ளோன்டிஎக்ஸ் எம்எல்-பிஓஎம் (standardECMA-424 என வகைப்படுத்தப்பட்ட) மற்றும் SPDX 3.0 AI மற்றும் தரவுத்தொகுப்பு சுயவிவரங்கள்.
- வழிகாட்டுதல்: ஜி7 SBOM செயற்கை நுண்ணறிவுக்கான: குறைந்தபட்ச கூறுகள்மே 2026-ல் வெளியிடப்பட்ட இந்த அறிக்கை, ஏழு தரவுத் தொகுப்புகளை வரையறுக்கிறது. இது விருப்பத்திற்குட்பட்டது.
- கடினமான பகுதி: அது வடிவமைப்பு அல்ல. முதலிலேயே ஒவ்வொரு AI சொத்தையும் கண்டுபிடிப்பதுதான் விஷயம்.
வரையறை: ML-BOM என்பது என்ன? #
பெரும்பாலான பொறியியல் குழுக்களிடம், தங்கள் பயன்பாடு எந்தத் திறந்த மூல நூலகங்களைப் பயன்படுத்துகிறது என்று கேட்டால், அவர்களால் நிமிடங்களிலேயே பதிலளிக்க முடியும், ஏனெனில் அவர்களின் SBOM அவர்களிடம் சொல்கிறது. அதே பயன்பாடு எந்தெந்த மாதிரிகள், தரவுத்தொகுப்புகள் மற்றும் AI கட்டமைப்புகளைச் சார்ந்துள்ளது என்று கேட்டால், பதில் பொதுவாக “நான் சரிபார்க்கிறேன்” என்பதில் தொடங்கும்.
ஒரு ML-BOM அந்த இடைவெளியை நிரப்புகிறது. இது ஒரு மென்பொருள் மூலப்பொருட்களின் பட்டியலுக்கு இணையான செயற்கை நுண்ணறிவுத் துறையாகும்: ஒரு அமைப்பில் உள்ள ஒவ்வொரு இயந்திர கற்றல் கூறுகளின் கட்டமைக்கப்பட்ட, இயந்திரத்தால் படிக்கக்கூடிய பதிவேடு இது. ஒவ்வொரு மாடலுக்கும் இது அடையாளம், பதிப்பு, வழங்குநர் மற்றும் உரிமம் ஆகியவற்றைப் பதிவு செய்கிறது, மேலும் விவரங்களையும் அளிக்கிறது. SBOM அது பயிற்சி பெற்ற தரவுத்தொகுப்புகள், அதன் நோக்கம் மற்றும் அறியப்பட்ட வரம்புகள் போன்ற, ஒருபோதும் தேவைப்படாத விஷயங்கள்.
இந்தச் சொல் இதிலிருந்து வருகிறது CycloneDXபதிப்பு 1.5-இல் ML-BOM ஆதரவு சேர்க்கப்பட்டது. மேலும் நீங்கள் காண்பீர்கள் AI-BOM (AI-BOM) மற்றும் SBOM AI க்கு அதே கருத்திற்காகப் பயன்படுத்தப்பட்டாலும், பொதுவாகப் பயிற்சி பெற்ற மாதிரிகளை மட்டுமல்லாமல், முகவர்கள், தூண்டுதல்கள் மற்றும் AI சேவைகள் போன்ற பரந்த நோக்கங்களையும் இது கொண்டுள்ளது.
ஒரு ML-BOM-இல் என்னென்ன அடங்கியுள்ளன #
சரியான புலங்கள் வடிவமைப்பைப் பொறுத்து மாறுபடும், ஆனால் ஒரு பயனுள்ள ML-BOM ஒவ்வொரு AI கூறு பற்றியும் ஐந்து கேள்விகளுக்குப் பதிலளிக்கிறது:
- அது என்ன? மாடல் பெயர், பதிப்பு, வகை மற்றும் கட்டமைப்பு.
- அது எங்கிருந்து வந்தது? வழங்குநர், மூலக் களஞ்சியம் அல்லது மாதிரி மையம், மற்றும் உரிமம்.
- அது எதில் பயிற்சி பெற்றது? பயன்படுத்தப்பட்ட தரவுத்தொகுப்புகள், அவற்றின் மூலம் மற்றும் அறியப்பட்ட உணர்திறன்.
- இது எதைப் பொறுத்தது? அது இயங்குவதற்குத் தேவையான கட்டமைப்புகளும், நூலகங்களும் மற்றும் உள்கட்டமைப்பும்.
- அதன் வரம்புகள் என்ன? பயன்படுத்தும் நோக்கம், அறியப்பட்ட அபாயங்கள் மற்றும் செயல்திறன் பண்புகள்.
ஜி7 வழிகாட்டுதல், அதே கருத்துக்களை மெட்டாடேட்டா, அமைப்பு-நிலை பண்புகள், மாதிரிகள், தரவுத்தொகுப்பு பண்புகள், உள்கட்டமைப்பு, பாதுகாப்பு பண்புகள் மற்றும் முக்கிய செயல்திறன் குறிகாட்டிகள் என ஏழு தொகுப்புகளாக வகைப்படுத்துகிறது.
எம்எல்-பிஓஎம் எதிராக SBOM #
ஒரு ML-BOM என்பது ஒரு SBOMசெயற்கை நுண்ணறிவு அமைப்புகள் இன்னமும் மென்பொருள்தான், எனவே அவற்றுக்கும் ஒன்று தேவைப்படுகிறது. ML-BOM அந்த அடுக்கைச் சேர்க்கிறது. SBOM பார்க்க முடியவில்லை.
| பரிமாணத்தை | SBOM | எம்எல்-பிஓஎம் |
|---|---|---|
| விவரிக்கிறது | மென்பொருள் கூறுகள் மற்றும் நூலகங்கள் | மாதிரிகள், தரவுத்தொகுப்புகள் மற்றும் ML கூறுகள் |
| முக்கிய புலங்கள் | பெயர், பதிப்பு, வழங்குநர், உரிமம், ஹாஷ் | மேலும் பயிற்சித் தரவு, தோற்றம், உத்தேசிக்கப்பட்ட பயன்பாடு, வரம்புகள் |
| முக்கிய இடர் அது தடங்கள் | பாதுகாப்பற்ற அல்லது தீங்கிழைக்கும் சார்புகள் | நம்பத்தகாத மாதிரிகள், நச்சுத்தன்மையுள்ள அல்லது உணர்திறன் மிக்க தரவுகள், அறியப்படாத மூலம் |
| மாற்றங்கள் எப்போது | ஒரு சார்பு புதுப்பிக்கப்பட்டது | ஒரு மாதிரிக்கு மறுபயிற்சி அளிக்கப்படுகிறது, அது இடமாற்றம் செய்யப்படுகிறது அல்லது நுட்பமாகச் சரிசெய்யப்படுகிறது. |
| வடிவங்கள் | சைக்ளோன்டிஎக்ஸ், எஸ்.பி.டி.எக்ஸ் | CycloneDX ML-BOM, SPDX 3.0 AI மற்றும் தரவுத்தொகுப்பு சுயவிவரங்கள் |
ML-BOMகள் இப்போது ஏன் முக்கியத்துவம் பெறுகின்றன #
செயற்கை நுண்ணறிவு, மதிப்பாய்வு செய்யப்படாமல் குறியீட்டுத் தொகுப்புகளில் நுழைகிறது. டெவலப்பர்கள் ஒரு லைப்ரரியைச் சேர்ப்பதைப் போலவே எளிதாக, பொது மையங்களிலிருந்து மாடல்களைப் பெற்று, AI கட்டமைப்புகளைச் சேர்த்து, MCP சர்வர்களை இணைக்கிறார்கள். இவை ஒவ்வொன்றும், அந்த நிறுவனம் எழுதாத மற்றும் சரிபார்க்காத குறியீடு, வெயிட்டுகள் மற்றும் தரவுகளைக் கொண்டுவருகின்றன.
செயற்கை நுண்ணறிவு விநியோகச் சங்கிலி ஒரு தாக்குதல் தளமாகும். தி LLM விண்ணப்பங்களுக்கான OWASP முதல் 10 இடங்கள் விநியோகச் சங்கிலியை ஓர் இடராகப் பட்டியலிடுகிறது LLM03: AI அடுக்கில் உள்ள சமரசம் செய்யப்பட்ட மாதிரிகள், நச்சுத்தன்மையடைந்த தரவு மற்றும் தீங்கிழைக்கும் தொகுப்புகள். இருப்பதே தெரியாத ஒரு கூறினை உங்களால் மதிப்பிட முடியாது.
வாங்குபவர்களும் தணிக்கையாளர்களும் கேட்கத் தொடங்கியுள்ளனர். எந்தவொரு ஒழுங்குமுறையும் இயந்திர கற்றல் பொருள் பட்டியலை (ML-BOM) பெயரிட்டு கட்டாயப்படுத்தவில்லை. ஆனால், ஐரோப்பிய ஒன்றியத்தின் செயற்கை நுண்ணறிவுச் சட்டம் அதிக அபாயமுள்ள செயற்கை நுண்ணறிவு அமைப்புகளுக்குத் தொழில்நுட்ப ஆவணங்களை எதிர்பார்க்கிறது, இணைய மீள்திறன் சட்டம் ஒரு குறிப்பிட்ட ஆவணத்தைக் கோருகிறது. SBOMமேலும், ஸ்பெயினின் ENS போன்ற கட்டமைப்புகளுக்கு ஒரு சொத்துப் பட்டியல் தேவைப்படுகிறது. இந்த மூன்றுக்கும் ML-BOM ஒரு நடைமுறைச் சான்றாக விளங்குகிறது, மேலும் கொள்முதல் குழுக்கள் இதைத் தங்கள் கேள்வித்தாள்களில் சேர்த்து வருகின்றன.
ML-BOM ஐ உருவாக்குவது எப்படி #
கையால் எழுதுவது ஒரு தனிப்பட்ட மாதிரிக்கு பொருந்தும். அது ஒரு நிறுவனத்திற்குப் பொருந்தாது. ஒரு நீடித்த அணுகுமுறை மூன்று பகுதிகளைக் கொண்டுள்ளது:
- அதை இடருடன் தொடர்புபடுத்துங்கள். யாரும் நடவடிக்கை எடுக்காத ஒரு விவரப்பட்டியல் என்பது வெறும் காகித வேலைதான். அதன் ஒவ்வொரு கூறுகளும் அதன் பாதுகாப்புக் குறைபாடுகள், உரிமம் மற்றும் தோற்றம் ஆகியவற்றுடன் இணைக்கப்பட்டிருக்க வேண்டும்.
- தானாகவே கண்டறியவும். டெவலப்பர்கள் தாங்கள் எதைப் பயன்படுத்துகிறார்கள் என்று தெரிவிப்பதை நம்பியிருப்பதை விடுத்து, குறியீடு, அறிவிக்கப்பட்ட சார்புநிலைகள் மற்றும் உள்ளமைப்புக் கோப்புகளை ஆய்வு செய்யுங்கள்.
- தொடர்ச்சியாக உருவாக்கு. ஒரு மாடல், டேட்டாசெட் அல்லது சார்புநிலை மாறும்போதெல்லாம், அனுபவம் வாய்ந்த குழுக்கள் புதுப்பிப்பதைப் போலவே ML-BOM-ஐயும் புதுப்பிக்கவும். SBOMCI-இல் உள்ள s.
யாராவது கேட்பதற்கு முன்பே நீங்கள் என்ன AI-ஐ இயக்குகிறீர்கள் என்பதைத் தெரிந்து கொள்ளுங்கள். #
சைஜெனி ஏஐ பாதுகாப்பு உங்கள் களஞ்சியங்களில் உள்ள AI சொத்துக்களைக் கண்டறிகிறது (மாடல்கள், AI கட்டமைப்புகள், தரவுத்தொகுப்புகள், அனுமான முனைகள், ஏஜென்ட்கள், MCP சர்வர்கள், திறன்கள், தூண்டுதல்கள், guardrails பயன்பாட்டுக் குறியீடு, அறிவிக்கப்பட்ட சார்புநிலைகள் மற்றும் AI கருவிகள் விட்டுச்செல்லும் உள்ளமைப்புக் கோப்புகளிலிருந்து (மேலும் பயன்பாட்டில் உள்ள AI குறியீட்டுக் கருவிகள் உட்பட) எதுவும் பெறப்படுவதில்லை. உருவாக்குநர்கள் தாங்கள் எதைப் பயன்படுத்துகிறார்கள் என்பதை அறிவிப்பதை எதுவும் சார்ந்திருக்கவில்லை.
அந்தப் பட்டியலிலிருந்து, தணிக்கையாளர்கள் மற்றும் வாடிக்கையாளர்களுக்கு நீங்கள் வழங்கக்கூடிய, கணினியால் படிக்கக்கூடிய ஒரு AI-BOM-ஐ சைஜெனி உருவாக்குகிறது. AI அடுக்கின் சார்புநிலைகளும் உங்கள் குறியீட்டின் மற்ற பகுதிகளைப் போலவே கையாளப்படுகின்றன: மென்பொருள் தொகுப்புப் பகுப்பாய்வின் மூலம் CVE-கள் கண்டறியப்படுவது, மற்றும் ஒரு கையொப்பம் உருவாவதற்கு முன்பே தீங்கிழைக்கும் தொகுப்புகள் கண்டறியப்படுவது போன்றவை இதில் அடங்கும்.
ஒரு டெமோவைத் திட்டமிடுங்கள் உங்கள் சொந்த குறியீட்டுத் தொகுப்பின் AI-BOM-ஐப் பார்க்க.
FAQ #
ML-BOM என்பது செயற்கை நுண்ணறிவுக்கான கூறுகளின் பட்டியல் ஆகும். ஒரு அமைப்பு எந்தெந்த மாதிரிகள், தரவுத்தொகுப்புகள் மற்றும் கட்டமைப்புகளைப் பயன்படுத்துகிறது, மேலும் அவை ஒவ்வொன்றும் எங்கிருந்து வந்தன என்பதை இது பதிவு செய்கிறது. இதன்மூலம், பாதுகாப்பு, சட்ட மற்றும் இணக்கக் குழுக்கள் அபாயத்தை மதிப்பிட முடியும்.
பெரும்பாலும். LLM ரெட் டீமிங் என்பது மொழி மாதிரிகள் மற்றும் அவற்றின் மீது கட்டமைக்கப்பட்ட பயன்பாடுகளில் கவனம் செலுத்துகிறது. AI ரெட் டீமிங் என்பது, இந்தச் சொற்கள் ஒன்றுடன் ஒன்று பொருந்துகின்றன. ML-BOM என்பது CycloneDX-இன் பெயர் மற்றும் இது இயந்திர கற்றல் மாதிரிகள் மற்றும் தரவுத்தொகுப்புகளில் கவனம் செலுத்துகிறது. AI-BOM என்பது இன்னும் பரந்ததாகும், மேலும் இது பெரும்பாலும் ஏஜென்ட்கள், ப்ராம்ப்ட்கள், MCP சர்வர்கள் மற்றும் AI சேவைகளையும் உள்ளடக்கியுள்ளது.
பெயரால் அல்ல. அதிக அபாயமுள்ள அமைப்புகளுக்கான ஐரோப்பிய ஒன்றிய செயற்கை நுண்ணறிவுச் சட்டத்தின் தொழில்நுட்ப ஆவணங்கள் போன்ற, உண்மையில் இருக்கும் கடமைகளுக்கான நடைமுறைச் சான்றுகளே அவை. SBOM சைபர் மீள்திறன் சட்டத்தால் தேவைப்படுகிறது. ஒரு G7 குறைந்தபட்ச கூறுகள் SBOM செயற்கை நுண்ணறிவு தொடர்பானவை விருப்பத்தின் பேரிலானவை.
நிறுவப்பட்ட இரண்டு வடிவங்கள் சைக்ளோன்டிஎக்ஸ் எம்எல்-பிஓஎம் ஆகும், standardECMA-424 என வகைப்படுத்தப்பட்டு, மற்றும் எஸ்பிடிஎக்ஸ் 3.0 செயற்கை நுண்ணறிவு மற்றும் தரவுத்தொகுப்பு சுயவிவரங்கள். உங்களிடம் ஏற்கனவே உள்ள ஒன்றைத் தேர்ந்தெடுக்கவும். SBOM கருவிகள் ஏற்கனவே ஆதரவளிப்பதால், மென்பொருள் மற்றும் செயற்கை நுண்ணறிவுப் பதிவேடுகள் ஒன்றிணைந்து இயங்குகின்றன.
