EvoがCycloneDXに対応し、AIの全容を可視化

AIは今やサプライチェーンの課題

企業でのAI導入が急速に進んでいます。開発者は、オープンソースリポジトリ、HuggingFace、社内チェックポイント、MCPサーバー上でホストされたファインチューニング済みの派生モデルなどからモデルを取得しています。しかし、この急速なイノベーションは、管理を目的として整備されたセキュリティ対策の整備を追い越しています。イノベーションが加速する一方で、セキュリティチームやプラットフォームチームは、使用中のモデルやその由来、挙動を把握できていないことが少なくありません。

ここに根本的なリスクがあります。見えないものは保護できません。管理を取り戻すために、企業にはAIモデルを一元的に台帳化し、由来を追跡して、コンプライアンスを確保する方法が必要です。しかも、既存のパイプラインを一から作り直すよう開発者に強いることなく実現しなければなりません。

そこで重要になるのがAI部品表（AI-BOM）です。AI-BOMは、依存関係、来歴、ライセンスを記録した、構造化された機械可読のインベントリです。これまで、こうしたインベントリに広く受け入れられた標準はありませんでした。しかし、業界で最も広く使われているSBOM標準であるCycloneDX 1.6の登場により、状況が変わりました。

EvoのDiscovery AgentがCycloneDXのAI ModelCardに完全対応したことをお知らせします。この連携により、既存のSBOMワークフローと並行して、最小限の手間で利用できる、ポータブルで標準化されたAI-BOMを実現します。CycloneDXを拡張し、より深いセキュリティインサイトと実用的なメタデータを加えることで、EvoはAI-BOMをインテリジェントで使いやすく、企業ですぐに活用できるものにします。

可視性のギャップ：見えないものは保護できない

企業は、環境内で稼働するAIモデルを明確に把握できずにいます。課題には次のようなものがあります。

• AI-BOMが一元化されていない：コードベース、リポジトリ、開発者のマシン、MCPサーバーにまたがるAIモデルを、一貫した形で把握できるインベントリがありません。

• 来歴を追跡できない：モデルの作成者や出所（HuggingFace、GitHub、独自のチェックポイントなど）、変更の有無、信頼性をチームが確認できないことが少なくありません。

• ライセンスコンプライアンスの盲点：モデルのライセンスが記載されていない、情報が不完全、あるいは手作業で確認されていることが多く、コンプライアンスリスクにつながります。

• アーキテクチャの可視性がない：モデルの種類（テキスト、コード、画像、音声、マルチモーダル）、タスク領域（テキスト生成、コード修正、画像分類など）、アーキテクチャファミリー（Transformer、CNN、拡散モデル）、入出力形式、学習手法（教師あり、自己教師あり、強化学習）をチームが容易に把握できません。

• 実装状況を把握できない：モデルはMCP標準SDKで動作しているのか、ファインチューニングされた独自フォークなのか、それとも未承認の推論ライブラリを使っているのか。こうした情報がなければ、ガバナンス、リスク管理、コンプライアンスの実現はほぼ不可能です。

CycloneDXでAI-BOMを標準化

構造化されたAI ModelCardを導入することで、CycloneDXはAIシステムにSBOMレベルの規律をもたらす、機械可読形式を提供します。この標準を使うことで、モデル名やバージョン、担当する作成者またはサプライヤーなど、不可欠なメタデータを記録できます。

CycloneDX 1.6は基本的な識別情報にとどまらず、モデルの技術的な特性、つまりアーキテクチャ、学習手法、定義された入出力を記録します。これにより、ポータブルで一貫性のある記録が作成され、最新のAIガバナンス戦略の基盤となります。

標準を超えて：EvoによるAI-BOMの拡張

CycloneDXは必要な枠組みを提供しますが、エンタープライズグレードのガバナンスには、静的なフィールドの一覧だけでは不十分です。CycloneDXの多くのフィールドは自由記述式のため、セキュリティチームが大規模に分析したり、対策に活用したりするのが難しい場合があります。この課題を解決するため、Evoはモデルデータをきめ細かく業界をリードする分類体系にマッピングし、標準を拡張します。

EvoはCycloneDX 1.6のAI ModelCardの全フィールドに対応しています。

• 学習手法：教師あり、教師なし、強化学習、半教師あり、自己教師あり

• アーキテクチャファミリー：Transformer、CNN、RNN、LSTM、Residual Network

• モデルアーキテクチャ：GPT-1、LLaMA-3、ResNet-50、YOLOv3

• 入出力：文字列形式、マルチモーダル表現

CycloneDXの自由記述式フィールドは、対策に活用するのが難しい場合があります。Evoは、AIメタデータを実用化するため、きめ細かく業界をリードする分類体系を追加します。たとえば、次のような情報を扱えます。

タスク分類体系：

標準化された入出力タイプ：

実装経路とSDKの検出：Evoは、MCP標準SDKの使用、独自の推論ライブラリ、ファインチューニングされたフォーク、未承認または非推奨のツールチェーンを特定します。これはエンタープライズガバナンスに不可欠です。

CycloneDXとEvoが可視性のギャップを埋める方法

AIモデルには、ソフトウェアと同様のサプライチェーンリスクに加え、新たな意味的・挙動的な側面があります。CycloneDXは業界標準のAI-BOM形式を提供し、Evoはインテリジェンスと詳細な情報を加えることで、ガバナンス、コンプライアンス、リスク評価にAI-BOMを活用できるようにします。両者を組み合わせることで、SBOMの規律をAIシステムにも適用し、全容の可視化、自動化されたコンプライアンス対応、実用的なインサイトを実現します。

CycloneDXとの連携により、Evoは可視性とガバナンスにおける主要なギャップに対応します。

• AI-BOMの一元化：Evoがマシン、リポジトリ、MCPサーバー、エージェントにまたがる高精度なインベントリを生成し、CycloneDXがポータビリティを確保します。

• 来歴の追跡：作成者、サプライヤー、ソースURL、ダウンロード元、モデルのハッシュ／署名を追跡します。

• ライセンスコンプライアンス：ライセンスを自動で抽出・正規化し、ポリシーの適用と監査への備えを支援します。

• アーキテクチャの可視化：モデルの種類、アーキテクチャファミリー、具体的なアーキテクチャ、タスク領域、入出力モダリティ、学習手法を明らかにします。

• 実装状況の把握：MCP SDKの使用、独自ラッパー、コンプライアンスに準拠しない推論フローをマッピングし、CycloneDXがコンポーネント間の関係を記録します。

顧客の成果につなげる

AI-BOM標準の到来、そしてEvoが描くその未来

企業でAIモデルが使われるようになり、コードだけでなく、挙動や意味に関わるサプライチェーンリスクも生まれています。真のガバナンスを実現するには、CycloneDX 1.6が提供する業界標準を実際の運用に落とし込む必要があります。

CycloneDX 1.6のポータビリティとEvoの高度なアーキテクチャインテリジェンスを組み合わせることで、企業は次のことを実現できます。

• 使用中のすべてのAIモデルを完全に可視化

• 来歴に基づく信頼の確立

• アーキテクチャレベルのインサイト

• ライセンスとポリシー適用の自動化

• 再現可能なガバナンスワークフロー

AIサプライチェーン全体を可視化しませんか？今すぐEvoで、コードベースに潜むすべてのAIコンポーネントを見つけましょう。