لا تكون قائمة مكوّنات AI مفيدة إلا إذا استطاعت الإجابة عن سؤالين: ما الذي أُعلن عنه قبل النشر، وما الذي كان يعمل فعليًا عند حدوث قرار أو حادثة أو تدقيق؟ ملف JSON صالح لا يستطيع الإجابة عن كليهما ليس سوى استعراض للجرد.
التصميم العملي هو جرد مزدوج. أنشئ سجلًا قائمًا على المعايير أثناء البناء أو الشراء، وراقب النظام الحي أثناء وقت التشغيل، واحتفظ بالأدلة لكل حقل، ثم قارن بين السجلين. امنع الإصدار عندما يكون نموذج أو مجموعة بيانات أو بيئة تشغيل أو API أو أداة وكيل أو ترخيص حرج غير محسوم.
مستوى القارئ: متقدم. هذا الدليل مخصص للمهندسين وفرق الأمن ومالكي المنصات وقادة الحوكمة التقنية الذين يديرون أنظمة مدعومة بالنماذج.
المحتويات
ما الذي ينبغي أن تجيب عنه قائمة مكوّنات AI
قائمة مكوّنات AI، التي تُختصر عادةً إلى AIBOM أو AI BOM، هي جرد قابل للقراءة آليًا للمكوّنات والأدلة التي تقف وراء نظام AI. وهي توسّع قائمة مكوّنات البرمجيات التقليدية لتتجاوز الحزم والمكتبات.
ينبغي أن يتيح الجرد للمراجع الإجابة عن الأسئلة التالية:
تصف CycloneDX قدرتها على AI/ML-BOM بأنها وسيلة لتمثيل النماذج ومجموعات البيانات والإعدادات والمنشأ والتبعيات. كما يعرّف SPDX 3.0.1 ملفًا خاصًا بـ AI للبيانات الوصفية الخاصة بـ AI. هذه نماذج بيانات قابلة للتشغيل البيني، وليست بدائل عن الأدلة المفقودة نفسها.
تجيب بطاقة النموذج عن سؤال أضيق: ما الغرض المقصود من هذا النموذج، وكيف جرى تقييمه، وأين يمكن أن يفشل؟ اقترحت ورقة Model Cards الأصلية توثيقًا يغطي الاستخدام المقصود وشروط التقييم والأداء عبر المجموعات ذات الصلة. وتوثّق بطاقة البيانات أصول مجموعة البيانات وجمعها ووسمها واستخدامها المقصود والقرارات التي تشكّل الأداء اللاحق؛ وتعرض ورقة Data Cards دروسًا مستخلصة من أكثر من 20 عملية نشر.
احتفظ بكليهما. توفر بطاقة النموذج أو بطاقة البيانات سياقًا بشريًا. ويربط AIBOM تلك الوثائق بجرد نظام مُدار بالإصدارات.
لماذا قد تحتوي ملفات AIBOM الصالحة على أدلة ضعيفة
اختبرت دراسة في يوليو 2026 هذا التمييز على نطاق واسع. جمع المؤلفون لقطة من 2,942,466 سجلًا عامًا لنماذج Hugging Face، واحتفظوا بـ 97,940 نموذجًا تجاوزت تنزيلاته 100، وأنشؤوا AIBOMs بصيغة CycloneDX باستخدام OWASP AIBOM Generator. وفحصوا عينة من 100 أثر مقابل تقارير المولّد، ثم قاسوا وجود الحقول عبر المجموعة الكاملة.
بلغ متوسط درجة الاكتمال المعلنة 54.31 من 100. وكانت الحقول البنيوية المطلوبة موجودة في 100% من الآثار المُنشأة. أما توثيق بطاقة النموذج فبلغ متوسطه 19.51%.
هذه الفجوة هي النتيجة المهمة. قد يكون الملف صالحًا بنيويًا، بينما تكون المعلومات اللازمة لاتخاذ قرار غائبة.
وكانت النتائج على مستوى الحقول أكثر وضوحًا:
| الحقل في AIBOM المُنشأ | موجود |
|---|---|
| --- | ---: |
| الترخيص | 73.14% |
| مجموعة البيانات | 39.35% |
| Hyperparameters | 25.40% |
| القيود التقنية | 16.74% |
| تقييم مخاطر السلامة | 9.76% |
| وصف ذو معنى | 0.22% |
| استهلاك الطاقة | 0.02% |
ظهر حقل الوصف في كل أثر تقريبًا، لكن 211 وصفًا فقط من أصل 97,940 احتوت على معلومات تتجاوز النص النائب. وكان فحص وجود المخطط سيعدّ الأوصاف الأخرى مكتملة.
ما قاسه المؤلفون: تغطية الحقول والفئات في AIBOMs المُنشأة من لقطة عامة مُرشّحة من Hugging Face.
ما استنتجوه: أن توثيق بطاقة النموذج والمراجع الخارجية يفسّران جزءًا كبيرًا من الفرق بين الآثار الضعيفة والأقوى.
ما لم يثبتوه: ما إذا كان أي نموذج آمنًا أو عادلًا أو عالي الأداء أو قابلًا للاستخدام قانونيًا أو مناسبًا لنشر معين.
يحذّر المؤلفون أيضًا من أن نتائجهم تعتمد على Hugging Face API ومنطق الاستخراج في المولّد ولقطة تستبعد النماذج التي لديها 100 تنزيل أو أقل. وقد تبدو السجلات الخاصة والنماذج المقيّدة والمنصات الأخرى وتغييرات المستودعات اللاحقة مختلفة. تدعم النتيجة التحقق الدلالي، لكنها لا تحدد عتبة درجات عالمية.
يعالج جرد وقت البناء وجرد وقت التشغيل مشكلتين مختلفتين
يسجل AIBOM وقت البناء النية. أما جرد وقت التشغيل فيسجل الملاحظة.
| السؤال | دليل وقت البناء | دليل وقت التشغيل |
|---|---|---|
| --- | --- | --- |
| أي نموذج ينبغي أن يُنشر؟ | Lockfile وmanifest وسجل الشراء وmodel digest | معرّف النموذج المحمّل وendpoint وimage digest وإعدادات الخدمة |
| ما البيانات التي ينبغي أن تكون متاحة؟ | إعلانات التدريب والتقييم ومصادر الاسترجاع المعتمدة | مخازن المتجهات المتصلة ومجموعات البيانات المركّبة وخدمات البيانات الحية |
| ما الأدوات التي يمكن للوكيل استدعاؤها؟ | سجل الأدوات والسياسة وخوادم MCP وواجهات API المعلنة | نقاط النهاية المكتشفة والتكاملات النشطة والإعدادات المرصودة |
| ما البرمجيات التي تدعم الاستدلال؟ | SBOM للحزم وcontainer | image وruntime وdrivers وaccelerators قيد التشغيل |
| ما القيود المنطبقة؟ | الترخيص وبطاقة النموذج وبطاقة البيانات ومرجع العقد | المزوّد الحالي والمنطقة والمسار وإصدار السياسة |
| هل انحرف النظام المعتمد؟ | خط أساس للمقارنة | أدلة للمقارنة مع خط الأساس |
يفوّت دليل وقت البناء وحده التغييرات الطارئة والنشرات الخفية والوسوم القابلة للتغيير وإعادة توجيه المزوّد وانحراف الإعدادات. وقد يرى رصد وقت التشغيل وحده اسم عملية أو endpoint دون معرفة الغرض المعتمد أو الترخيص أو منشأ التدريب أو حدود التقييم.
أطلقت Google مشروع k8s-aibom كمصدر مفتوح في 14 يوليو 2026 لاستكشاف جانب وقت التشغيل. تراقب وحدة التحكم حالة أحمال Kubernetes والـ pods، وتطبّق قواعد اكتشاف، وتصدر مستندات CycloneDX 1.6 ML-BOM. وتشمل التغطية الموثقة runtimes للاستدلال وأطر الوكلاء وقواعد بيانات المتجهات ووظائف التدريب وأدوات التقييم. ويعمل المشروع دون DaemonSet ذي امتيازات أو وصول إلى kernel.
يوضح المشروع نقطة معمارية مفيدة: AIBOM وقت البناء ووقت التشغيل متكاملان. لكنه أيضًا برنامج مبكر. يصف المستودع الإصدار v1.0 بأنه alpha ومناسب لحالات المراقبة غير الحرجة. ولا يوفّر image مستضافة أو مستودع Helm، كما أن `NoopVerifier` الحالي لا يستطيع وسم هوية بأنها متحقَّق منها تشفيريًا.
اقترح أحد مشرفي NVIDIA AICR تكاملًا بين k8s-aibom وAICR يربط ملاحظات وقت التشغيل في k8s-aibom بنية النشر في AICR والإثباتات الموقّعة. ويصف المؤلف الهدف بأنه توفير دليل على أن ما نشره الفريق هو ما يشغّله النظام. لا تحتوي المسألة على تنفيذ أو مكلّف أو milestone مرتبط. تعامل معها كمقترح من ممارس، لا كخارطة طريق رسمية أو تصميم مكتمل.
لا تحوّل وحدة تحكم جديدة واحدة إلى توصية عامة بمنتج. استخدم النمط التالي: اربط الحالة المعلنة بالحالة المرصودة، واحتفظ بالأدلة، واجعل عدم اليقين ظاهرًا.
_تربط قائمة مكوّنات AI المفيدة نية البناء بأدلة وقت التشغيل والفحوص الدلالية وقرار مُدار بالإصدارات._
الطبقات السبع الجديرة بالتسجيل
يعتمد المخطط الدقيق على المعيار والنشر لديك. وتشكل الطبقات التالية حدًا أدنى عمليًا لجرد إنتاجي.
1. هوية النموذج
سجّل المورّد وعائلة النموذج والمراجعة أو digest غير القابل للتغيير والصيغة والنموذج الأساسي وadapters وquantization وtokenizer ومسار الخدمة. قد يكون اسم مستعار مألوف مثل `support-model` مفيدًا للأشخاص، لكنه غير كافٍ للتتبّع.
بالنسبة إلى API خارجية، سجّل معرّف النموذج المستقر لدى المزوّد ومسار البوابة الذي اختاره. إذا كان المزوّد يستطيع تحديث النموذج بصمت خلف اسم مستعار، فصنّف المراجعة على أنها غير محسومة بدل اختلاق دقة غير موجودة.
2. تبعيات البيانات والاسترجاع
سجّل مجموعات بيانات التدريب والضبط الدقيق والتقييم والمعايرة المعلنة عندما تتوفر هذه المعلومات. وبالنسبة إلى نظام RAG، أضف مجموعات المصادر ونموذج embedding وإصدار التجزئة وخدمة مخزن المتجهات وسياسة الوصول وحداثة البيانات.
خزّن معرّفات مجموعات البيانات وإصداراتها وhashes والعقود أو مراجع الكتالوجات الخاضعة للرقابة. لا تنسخ سجلات العملاء الخام أو أمثلة التدريب الخاصة إلى AIBOM.
عندما يبني فريق أنظمة بيانات مخصصة باستخدام Next.js ووكلاء AI→، ينتمي إصدار المخطط وحدود الترحيل والخدمات المتصلة إلى سياق النظام حتى عندما لا تكون artifacts للنموذج.
3. Runtime والبرمجيات
اربط جرد AI بـ SBOM العادي. سجّل container digest ومحرك الاستدلال والإطار والمكتبات ذات الصلة وفئة driver وaccelerator والإعدادات التي يمكن أن تغيّر سلوك النموذج.
هذا مهم لأن الأوزان نفسها قد تتصرف بشكل مختلف بعد تغيير tokenizer أو backend للانتباه أو مسار quantization أو محرك الخدمة. يوضح تحليل لماذا تغيّر رموز AI الأكثر فاتورة الحوسبة→ سبب حاجة سجل النشر إلى ميزانية runtime والإعدادات، لا إلى اسم النموذج فقط.
4. الأدوات وواجهات API وصلاحيات الوكلاء
أدرج الأدوات التي يستطيع الوكيل الوصول إليها، لا كل أداة مثبتة في مكان ما داخل الشركة. ضمّن بوابات النماذج وخوادم MCP وأدوات المتصفح أو تنفيذ التعليمات البرمجية وواجهات API الخارجية ومرجع السياسة الذي يحكم كل إجراء.
لا يفرض الجرد التفويض. اربطه بضوابط حتمية. يشرح مقال صلاحيات وكلاء AI→ سبب عدم اعتبار ضبط النموذج لذاته حدًا للتحكم في الوصول.
5. التقييم وحدود التشغيل
أشر إلى مجموعة التقييم الدقيقة وإصدار المقيّم والعتبات والتاريخ والشروط المستخدمة للموافقة. سجّل أنماط الفشل المعروفة والاستخدامات المقصودة والمستبعدة وسلوك الرجوع ومالك المراقبة وتاريخ انتهاء القرار.
لا تكتب “اجتاز التقييم” دون هوية الاختبار. فالنموذج المتغير مع سلسلة نتائج لم تتغير يمثل دليلًا ضعيفًا.
6. الحقوق والسياسة والمنشأ
سجّل تراخيص النماذج ومجموعات البيانات وقيود الاستخدام وشروط إعادة التوزيع والمستودعات المصدرية وبطاقات النماذج وبطاقات البيانات والأوراق والموافقات والإثباتات. خزّن المراجع والhashes عندما يكون المصدر خاضعًا للتحكم في الوصول.
تدعم هذه الطبقة المراجعة، لكنها لا تحسم مسألة قانونية. ينبغي أن تُحال معلومات الحقوق المفقودة أو المتعارضة إلى الشخص المسؤول عن ذلك القرار.
7. الملكية ودورة الحياة
يحتاج كل سجل إلى مالك وغرض للنظام وبيئة ووقت إنشاء ووقت ملاحظة وإصدار مستبدَل وقاعدة احتفاظ. من دون ملكية، يتحول الجرد إلى أرشيف لحقائق متروكة.
ضمّن معرّف نظام ثابتًا يستمر عبر عمليات إعادة النشر. وينبغي أن يوضح AIBOM المُدار بالإصدارات تاريخ ما تغيّر ومن قبله ومن الأدلة التي دعمت ذلك القرار.
صنّف كل حقيقة على أنها معلنة أو مستنتجة أو متحقَّق منها أو غير محسومة
ينبغي أن يحمل AIBOM حالة الدليل على مستوى الحقل. فالتصنيف الواحد للوثيقة بأكملها يخفي الكثير.
تصف التصنيفات الثلاثة الأولى نقاط قوة مختلفة للأدلة. و“معلنة” ليست صيغة أضعف من “متحقَّق منها”. فقد يكون إعلان المورّد المصدر الوحيد المتاح لبيانات التدريب، بينما يمكن التحقق آليًا من image digest.
ينفذ مشروع k8s-aibom حاليًا الحالات `declared` و`inferred` و`unresolved`، مع محددات أدلة للسمات. ويضع README الخاص به الحالة التشفيرية `verified` ضمن خارطة الطريق بدل الادعاء بتنفيذها الآن. حافظ على هذه الصراحة في نظامك.
قد يبدو سجل تصوري كما يلي:
{ "system_id": "customer-support-prod", "component": { "type": "machine-learning-model", "name": "provider/model-family", "version": "immutable-revision", "hashes": ["sha256:..."] }, "evidence": { "status": "verified", "source": "signed-build-attestation", "observed_at": "2026-07-29T08:00:00Z" }, "depends_on": [ "runtime:inference-engine@version", "dataset:retrieval-corpus@revision", "api:model-gateway@policy-version" ] }
هذا مخطط تصميمي، وليس مستندًا مطابقًا لـ CycloneDX أو SPDX. استخدم مخطط المعيار المختار ومدققه للأثر الحقيقي.
سير عمل AIBOM قابل لإعادة الإنتاج
الخطوة 1: تحديد حدود النظام
سمِّ التطبيق والبيئات والمالكين والقرارات الموجهة للمستخدم الداخلة في النطاق. قرر ما إذا كان الجرد يغطي endpoint لنموذج واحد أو سير عمل وكيل أو منتجًا كاملًا.
لا يمكن اختبار حد مثل “كل AI”. أما “وكيل الدعم الإنتاجي وكل خدمة يمكنها تغيير إجابته أو إجراءاته” فيمكن اختباره.
الخطوة 2: جمع أدلة البناء والشراء
أنشئ SBOM العادي، وحلّ معرّفات النماذج ومجموعات البيانات، والتقط digests غير القابلة للتغيير، واربط بطاقات النماذج وبطاقات البيانات والتراخيص والتقييمات والموافقات.
يمكن لـ OWASP AIBOM Generator استخراج بيانات Hugging Face الوصفية إلى CycloneDX 1.6 والإبلاغ عن الحقول المفقودة. تعامل مع مخرجاته باعتبارها جردًا أوليًا. وتوضح الدراسة واسعة النطاق سبب حاجة الحقل المملوء آليًا إلى فحص للمحتوى.
الخطوة 3: إصدار مستند معياري
اختر صيغة تستطيع الأنظمة المستهلكة تحليلها. توفر CycloneDX قدرة AI/ML-BOM ودليل تنفيذ. ويوفر SPDX 3 ملفات AI وdataset.
ينبغي أن يتبع اختيار الصيغة الأنظمة المستقبلة ومحرك السياسة وخط attestations ومتطلبات العملاء. تجنب الحفاظ على صيغتين ما لم يحتج مستهلك حقيقي إلى كلتيهما.
الخطوة 4: إثراء ما لا تستطيع الأتمتة معرفته
عيّن مالكين لملء الاستخدام المقصود والقيود ومنشأ مجموعة البيانات وشروط التقييم والحقوق وقرارات المخاطر. ارفض العناصر النائبة مثل “N/A” أو “standard model” أو النص التسويقي المنسوخ عندما يكون الحقل حرجًا للقرار.
اطلب سببًا صريحًا للقيم المجهولة. فعبارة “المورّد لا يفصح عن بيانات التدريب” دليل أفضل من مصفوفة فارغة لأنها تميز بين العمل المفقود والمعلومات غير المتاحة.
الخطوة 5: مراقبة النشر الحي
اجمع معرّفات النماذج وقت التشغيل وdigests للصور وendpoints والمخازن المتصلة وأدوات الوكلاء والإعدادات عبر أقل آلية امتيازًا متاحة. في Kubernetes، قد تكون الآلية وحدة تحكم تراقب API. وفي مكدس API مُدار، قد تكون إعدادات البوابة وmanifests النشر واستجابات المزوّد وسجلات التدقيق.
لا تدّعِ التحقق من وقت التشغيل عندما لا يكون الماسح قد فعل أكثر من مطابقة سلسلة نصية. صنّف النتيجة كمستنتجة واحتفظ بدليل المطابقة.
الخطوة 6: التحقق من الصياغة والدلالة والانحراف
نفّذ ثلاثة فحوص منفصلة:
الفحص الأول آلي. أما الثاني فيحتاج إلى قواعد مجال، وإلى مراجعة بشرية لبعض الحقول. ويحتاج الثالث إلى سجلات مُدارة بالإصدارات وحد مقارنة ثابت.
الخطوة 7: التوقيع والتخزين والمقارنة والانتهاء
أنشئ hash للأثر، واربطه بالبناء أو النشر، وخزّنه في نظام أدلة ملحق فقط أو خاضع للتحكم، وأنشئ مقارنة مقروءة بشريًا. يُعد AIBoMGen نموذجًا بحثيًا أوليًا يجمع التقاط النموذج والبيئة مع hashes والتوقيعات وin-toto attestations أثناء التدريب.
تحمي التوقيعات السلامة بعد الإنشاء، لكنها لا تجعل التصريح الناقص أو الكاذب صحيحًا.
ضع تاريخ انتهاء أو مراجعة. فالجرد المثالي من الربع السابق لا يصف نظام إنتاج قابلًا للتغيير اليوم.
حوّل الجرد إلى بوابة إصدار
يصبح الجرد مفيدًا عندما يغيّر قرارًا. حدّد السياسة قبل فترة الإصدار.
| الشرط | الإجراء الافتراضي | السبب |
|---|---|---|
| --- | --- | --- |
| هوية النموذج أو runtime الحرج غير محسومة | المنع | لا يمكن تتبّع المكوّن المنشور |
| يحتوي runtime على نموذج أو API أو أداة أو مخزن بيانات غير معلن | المنع والتحقيق | انحرفت الحدود المعتمدة |
| تغيّر إصدار النموذج بينما لم يتغير مرجع التقييم | المنع | لا تغطي أدلة الموافقة المرشح |
| الترخيص أو قيد الاستخدام المطلوب مفقود | الإحالة إلى مراجعة المسؤول؛ والمنع حيث تتطلب السياسة | لا يمكن استنتاج الحقوق من الإتاحة |
| يتعارض الاستنتاج heuristic مع إعلان | المنع أو عزل الدليل | أحد المصدرين خاطئ أو قديم |
| يفتقر وصف غير حرج إلى التفاصيل | إنشاء بند معالجة محدد المدة | قد لا تبرر الفجوة إيقاف الخدمة |
| تغيّر AIBOM فقط لأن وقت الملاحظة تغيّر | السماح | لم يحدث انحراف مادي في النظام |
اضبط الخطورة وفقًا للنظام. لا ينبغي أن يشترك مساعد كتابة وأداة لاتخاذ قرار طبي في عتبة عالمية واحدة.
تتبّع أربعة مقاييس تشغيلية:
لا تحسّن عدد الحقول المملوءة. فهذا يعيد إنتاج الفشل نفسه الذي كشفت عنه دراسة الاكتمال.
يظهر المبدأ نفسه في تحليل نشاط وكلاء البرمجة والبنية التحتية→: قدرة النموذج ليست سوى جزء واحد من النظام المنشور. يحدد runtime والأدوات والتوجيه والضوابط التشغيلية ما يتلقاه المستخدمون فعليًا.
أبقِ الأسرار والبيانات الشخصية خارج الجرد
من المرجح أن يتداول AIBOM بين الهندسة والأمن والمدققين والعملاء والأنظمة الآلية. تعامل معه كجرد، لا كمخزن أسرار.
لا تُدرج:
أشر إلى الأسرار عبر مسار secret-manager أو معرّف منطقي دون تضمين القيمة. وأشر إلى مجموعات البيانات الحساسة عبر معرّف كتالوج محكوم وإصدار وتصنيف ومالك وhash للسلامة. طبّق التحكم في الوصول على الأثر الكامل عندما تكون بياناته الوصفية نفسها حساسة.
ما الذي لا يستطيع AIBOM إثباته
يحسّن AI BOM قابلية التتبّع. لكنه لا يثبت:
تقيس دراسة الاكتمال في يوليو تغطية التوثيق، لا جودة النموذج. ويذكر مستودع k8s-aibom صراحةً أن مخرجاته لا تشهد بالامتثال. كلا القيدين مهم.
استخدم AIBOM كخريطة من القرار إلى الأدلة القابلة للفحص. واربطه بالتقييم والتفويض والمراقبة والاستجابة للحوادث وضوابط الخصوصية والمراجعة المسؤولة. تجعل الخريطة هذه العمليات أسرع لأنها تخبر كل مراجع بالنظام الذي يقيّمه.
الأسئلة الشائعة
ما قائمة مكوّنات AI؟
قائمة مكوّنات AI هي جرد قابل للقراءة آليًا للنماذج ومجموعات البيانات والبرمجيات وruntimes والأدوات والمنشأ والقيود والأدلة التي تقف وراء نظام AI. يحدد AIBOM المفيد الإصدارات غير القابلة للتغيير والمالكين والحقائق غير المحسومة والتغييرات بين الحالة المعتمدة والحية.
هل AI BOM هو نفسه SBOM؟
لا. يجرد SBOM مكوّنات البرمجيات وتبعياتها. ويربط AI BOM جرد البرمجيات بمكوّنات خاصة بـ AI مثل النماذج ومجموعات البيانات وadapters والتقييمات والاستخدامات المقصودة والقيود ومسارات وقت التشغيل. يحتاج نظام AI الإنتاجي عادةً إلى كليهما.
هل ينبغي أن أستخدم CycloneDX أم SPDX لـ AIBOM؟
استخدم الصيغة التي تدعمها أدواتك اللاحقة ومستهلكو الأدلة. لدى CycloneDX قدرة موثقة على AI/ML-BOM؛ ولدى SPDX 3 ملفات AI وdataset. تحقق من صيغة أساسية واحدة أولًا. أضف ثانية فقط عندما تتطلبها سياسة أو عميل أو عملية تكامل.