الشفافية في سلسلة توريد الذكاء الاصطناعي

تجرد قائمة SBOM الكلاسيكية مكونات البرمجيات وتبعياتها – المكتبات والإصدارات والتراخيص. غير أن سلوك نظام الذكاء الاصطناعي يتحدد بشكل حاسم بعناصر لا تلتقطها هذه الشبكة: النموذج نفسه وأوزانه ومجموعات بيانات التدريب والتقييم ومصدرها ومعالجتها المسبقة. ويمكن أن يتغير النموذج جذريًا عبر إعادة التدريب أو Fine-Tuning دون أن يتغير سطر شيفرة واحد أو إصدار حزمة. لذلك توسّع AI-SBOM الجرد ليشمل هذه المكونات بالتحديد – كشرط مسبق لإمكانية تقييم مصدر نظام الذكاء الاصطناعي وسلامته ومخاطره أصلًا.

يدعم CycloneDX منذ الإصدار 1.5 ‏(يونيو 2023) صيغة ML-BOM: يضع نوعا المكونات «machine-learning-model» و«data» النماذجَ ومجموعات البيانات على قدم المساواة مع المكتبات البرمجية. ويوثّق كائن «modelCard» الغرض من الاستخدام والقيود والتحيزات ومعاملات التدريب ومجموعات البيانات المستخدمة ومقاييس الأداء والاعتبارات الأخلاقية؛ وتسجّل مكونات البيانات من بين أمور أخرى المحتوى والتصنيف والبيانات الحساسة والحوكمة. نُشرت المواصفة لأول مرة في يونيو 2024 كمعيار دولي ECMA-424؛ ويقابل الإصدار الثاني الحالي (ديسمبر 2025) الإصدار CycloneDX 1.7 ‏(أكتوبر 2025).

صيغة SPDX، صيغة SBOM الكبيرة الثانية، مقسّمة منذ الإصدار 3.0 ‏(أبريل 2024، والحالي 3.0.1 من ديسمبر 2024) بشكل وحدوي إلى ملفات تعريف – من بينها ملف AI وملف Dataset مستقلان. يصف ملف AI حزم الذكاء الاصطناعي («AIPackage») بخصائص مثل نوع النموذج ومعلومات التدريب واستهلاك الطاقة وتصنيف المخاطر الأمنية؛ ويوثّق ملف Dataset مجموعات البيانات («DatasetPackage») مع الحجم والنوع والتوفر والمعالجة المسبقة والمعلومات الحساسة المتضمنة والتحيزات المعروفة. ولا يتوفر الإصدار 3.1 حتى الآن إلا كـ Release Candidate، أي أنه لا يزال في مرحلة المسودة.

تعود Model Cards إلى ورقة «Model Cards for Model Reporting» ‏(Mitchell et al.، مؤتمر FAT* لعام 2019): توثيق موجز موحّد لكل نموذج يتضمن الغرض من الاستخدام ونتائج التقييم في ظروف مختلفة – مثلًا عبر الفئات الديموغرافية – والقيود المعروفة. وهي اليوم ممارسة شائعة على منصات النماذج، لكنها غالبًا نص حر دون مخطط ملزم. وينقل CycloneDX المفهوم عبر حقل «modelCard» إلى صيغة قابلة للقراءة آليًا، فيجعله بذلك قابلًا للاستخدام في الفحوص المؤتمتة وقرارات الشراء وتقييمات المخاطر.

المخاطر موثّقة: حدّدت JFrog في فبراير 2024 نحو 100 نموذج خبيث على Hugging Face تُنفَّذ شيفرتها الضارة عند التحميل – وذلك بفضل صيغة Pickle التي يمكنها تنفيذ أي شيفرة Python عند إلغاء التسلسل، وكانت لفترة طويلة الصيغة القياسية لأوزان PyTorch؛ وتُعد Safetensors وفحص الاستيراد والعناصر الموقّعة من التدابير المضادة. كما يتأثر مستوى الأطر: فعبر Dependency Confusion وُضعت حزمة «torchtriton» على PyPI في ديسمبر 2022 وسرّبت من تثبيتات PyTorch-nightly من بين أمور أخرى مفاتيح SSH وبيانات النظام. لذلك تدرج OWASP سلسلة توريد الذكاء الاصطناعي كخطر مستقل ضمن Top 10 ‏(LLM03:2025 Supply Chain) وتوصي صراحةً بجرد محدّث للمكونات عبر SBOM أو AI-BOM.

يُلزم Cyber Resilience Act ‏(اللائحة (EU) 2024/2847) الشركات المصنِّعة للمنتجات ذات العناصر الرقمية بتحديد الثغرات الأمنية والمكونات وتوثيقها – بما في ذلك قائمة SBOM «بصيغة شائعة قابلة للقراءة آليًا» تغطي على الأقل مستويات التبعية العليا (الملحق I الجزء II البند 1)؛ وتسري التزامات الإبلاغ اعتبارًا من 11.09.2026، والالتزامات الرئيسية اعتبارًا من 11.12.2027. ويتطلب AI Act ‏(اللائحة (EU) 2024/1689) لأنظمة الذكاء الاصطناعي عالية المخاطر وثائق تقنية وفقًا للمادة 11 والملحق IV، ومنها ما يتعلق بمجموعات البيانات (المصدر والنطاق والخصائص الرئيسية) وباللجوء إلى أنظمة أو أدوات مدرّبة مسبقًا من أطراف ثالثة. ويجب على مزوّدي نماذج GPAI وفقًا للمادة 53 منذ 02.08.2025 توفير وثائق تقنية (الملحق XI) ومعلومات للمزوّدين في المراحل اللاحقة (الملحق XII) وملخص مفصّل بما يكفي لمحتويات التدريب؛ وتسري اللائحة في جوهرها اعتبارًا من 02.08.2026. وتوفّر AI-SBOM المُحدَّثة قاعدة البيانات لكلا القانونين.