본문으로 건너뛰기

AI SBOM: 모델과 데이터셋의 SBOM 만들기 (선택)

1. 이 챕터에서 하는 일

AI 시스템(모델을 개발하거나 도입해 운영)을 다루는 조직을 위한 선택 챕터입니다. HuggingFace 모델 하나를 대상으로 CycloneDX ML-BOM 을 직접 생성하고, 모델 라이선스와 데이터셋 항목을 읽는 법을 실습합니다. AI 시스템이 없는 조직은 건너뛰어도 인증 여정에 영향이 없습니다.

전제 조건: 5.1 SBOM 생성을 먼저 진행해 SBOM 개념과 도구 사용에 익숙한 상태여야 합니다. 실습에는 Docker 와 네트워크 연결이 필요합니다.

2. 배경 지식

왜 일반 SBOM으로 부족한가

코드 의존성만 담는 SBOM 은 AI 시스템의 두 가지 구성 요소를 놓칩니다.

  • 사전 훈련 모델 — 표준화되지 않은 커스텀 라이선스(상업적 사용 조건, MAU 제한, 파생 모델 의무)가 많습니다.
  • 학습 데이터셋 — CC 계열 오픈 데이터 라이선스의 저작자 표시, 동일 조건 의무가 따라옵니다.

이 둘을 SBOM 에 기록하는 확장이 AI SBOM 이고, 사실상의 표준 형식은 CycloneDX ML-BOM(모델 카드 메타데이터가 풍부)과 SPDX 3.0 AI Profile(라이선스 표현이 정밀) 두 가지입니다.

표준 요구사항과의 관계

ISO/IEC 5230과 18974의 SBOM 요구(G3B 계열)는 "공급 소프트웨어의 오픈소스 컴포넌트"가 대상이라, AI SBOM 자체가 필수 요구는 아닙니다. 다만 모델·데이터셋을 제품에 포함해 공급한다면 그것도 오픈소스 컴포넌트이므로, 같은 원칙을 확장 적용하는 것이 이 챕터의 취지입니다. 개념 배경은 SBOM 기본의 AI SBOM 절과 AI 시스템 컴플라이언스를 참조하세요.

바로 보기 — 완성 예시 먼저

어떤 결과가 나오는지 먼저 보려면 KWG AI SBOM 컴플라이언스 가이드의 조항 체크리스트와 도구 실행 결과 화면을 훑어보세요. cdxgen 실행 결과로 AI 컴포넌트의 라이선스 정보 공백을 실증한 사례도 실려 있습니다.

3. 셀프스터디 경로

셀프스터디 모드 (약 1시간)

실습에는 Docker 실행 환경과 네트워크 연결이 필요합니다.

실습 도구는 BomLens를 사용합니다. HuggingFace 모델 식별자를 입력하면 CycloneDX 1.7 ML-BOM 과 고지문, 위험 리포트를 로컬(Docker)에서 생성합니다.

1단계 — BomLens 준비

Bash
git clone https://github.com/sktelecom/sbom-tools.git
cd sbom-tools
docker pull ghcr.io/sktelecom/bomlens:latest
macOS/Windows 는 Docker 파일 공유 경로에서 실행하세요

/tmp 처럼 Docker Desktop 파일 공유 밖 경로에서 실행하면 스캔은 성공해도 산출물이 호스트로 복사되지 않습니다(도구가 안내 메시지를 출력합니다). 홈 디렉토리 아래에서 클론해 실행하세요.

2단계 — 모델 스캔으로 ML-BOM 생성

Bash
./scripts/scan-sbom.sh --project bert-base --version 1.0.0 \
  --model "google-bert/bert-base-uncased" --generate-only
  • --model 에 HuggingFace 모델 식별자를 넣습니다. 자신이 검토할 모델로 바꿔 실행하세요.
  • 모델 스캔용 전용 이미지(ghcr.io/sktelecom/bomlens-aibom)가 자동으로 내려받아집니다.
  • 산출물은 bert-base_1.0.0/ 하위 폴더에 생성됩니다: bert-base_1.0.0_bom.json(CycloneDX 1.7 ML-BOM), 고지문(notice), 위험 리포트(risk-report), 보안(security) 리포트, NTIA 최소 요소 적합성 점검 결과. 모델에는 패키지 CVE 가 없으므로 보안 리포트는 취약점 0건으로 나오는 것이 정상입니다.

3단계 — ML-BOM 읽기

생성된 bom.json 에서 아래를 확인합니다.

  • 모델 라이선스: 모델 컴포넌트의 라이선스 항목이 커스텀 라이선스(예: Llama Community License)인지, 표준 라이선스(Apache-2.0 등)인지 확인하고 5.1의 라이선스 검토 절차와 동일하게 허용 목록과 대조합니다.
  • 모델 카드 메타데이터: 용도, 제한 사항 등 모델 카드에서 온 항목을 확인합니다.
  • 정보 공백: 라이선스나 데이터셋 항목이 비어 있으면 그 자체가 발견입니다 — HuggingFace 모델 카드에서 직접 확인해 보완 기록을 남깁니다 (KWG 가이드의 "라이선스 공백 실증"과 같은 상황).

대안 도구 — OWASP AIBOM Generator

표준 중립 대안으로는 OWASP AIBOM Generator 가 있습니다. HuggingFace 모델을 대상으로 AI SBOM 을 생성하며, 설치와 실행 방법은 KWG AI SBOM 가이드 — 도구를 참조하세요.

코드 SBOM과의 관계

AI 서비스의 전체 그림은 두 SBOM 의 결합입니다: 코드 의존성 SBOM(5.1, syft/cdxgen)과 이 챕터의 모델 ML-BOM. 배포 단위별로 두 문서를 함께 보관하면 5.2 SBOM 관리의 보관·공유 절차를 그대로 적용할 수 있습니다.

자동화로 잇기

모델 버전이 바뀔 때마다 ML-BOM 을 재생성하도록 CI 에 넣을 수 있습니다. 위 스캔 명령을 DevSecOps — SCA의 SBOM 생성 잡과 같은 방식으로 워크플로에 추가하면 됩니다.

4. 완료 확인 체크리스트

  • 일반 SBOM 과 AI SBOM 의 차이(모델, 데이터셋 라이선스)를 설명할 수 있다
  • HuggingFace 모델 하나의 ML-BOM 을 생성했다
  • 생성된 ML-BOM 에서 모델 라이선스를 확인하고 허용 목록과 대조했다
  • 라이선스·데이터셋 정보 공백이 있으면 모델 카드로 보완 확인했다

5. 다음 단계