Az ENISA kifejezetten a hagyományos szoftver-összetevőkre koncentrál. Az útmutató maga rögzíti, hogy nem foglalkozik az AI-BOM (AI Bill of Materials), HBOM (Hardware Bill of Materials) vagy CBOM (Cryptographic Bill of Materials) megoldásokkal, mert ezeket – bár közös elveken alapulhatnak – külön sajátosságaik miatt hatókörén kívülinek tekinti. Az AI-komponenst tartalmazó termék dokumentálására vonatkozó kérdés ugyanakkor különösen aktuális a generatív AI-rendszerek és az AI-alapú szoftvertermékek gyors terjedése miatt.
A CRA szempontjából önmagában az a tény, hogy egy termék mesterséges intelligenciát használ, nem jelenti azt, hogy a gyártóra eltérő vagy enyhébb kiberbiztonsági követelmények vonatkoznának. Ha a termék a CRA hatálya alá tartozó, digitális elemeket tartalmazó terméknek minősül, akkor ugyanúgy teljesíteni kell az I. melléklet II. részében meghatározott sérülékenységkezelési követelményeket, beleértve a komponensek azonosítását és dokumentálását is. A CRA szövege nem tesz különbséget „hagyományos” és „AI” szoftverkomponensek között.
Egy AI-t tartalmazó, összekapcsolt termékre jellemzően mindkét rendelet vonatkozik, de más-más szempontból: a CRA a termék kiberbiztonságát szabályozza, az AI Act az AI-rendszer kockázati besorolása alapján a rendszerrel és annak szolgáltatójával (és az értéklánc egyéb szereplőivel) szemben támasztott általános megfelelési követelményeket.
Az, hogy a két szabályozás milyen viszonyban áll egymással, azon múlik, hogy az AI-rendszer az AI Act szerint nagy kockázatúnak minősül-e.
A kapcsolatot a CRA 12. cikke (és annak reflexiójaként az AI Omnibus révén az AI Act új 42. cikk 3. bekezdése) teremti meg:
Az AI Act dokumentációs elvárásai a nagy kockázatú rendszerekre amúgy is kötelezőek: a műszaki dokumentációnak (IV. melléklet) tartalmaznia kell a rendszer elemeit és fejlesztési folyamatát, a tanítóadatok jellemzőit, valamint a rendszer teljesítményére és korlátaira vonatkozó információkat. Ezek gyakorlatilag az AI-BOM tartalmának nagy részét lefedik.
Érdemes a határidőket is egymás mellé tenni. A CRA általános alkalmazása 2027. december 11-én kezdődik. Az AI Act III. melléklete szerinti nagy kockázatú rendszerekre vonatkozó kötelezettségek 2027. december 2-től alkalmazandók, a szabályozott termékekbe épített, I. melléklet szerinti rendszereknél 2028. augusztus 2-től. Így a két rendelet együttes, vagy külön-külön kötelező alkalmazása szinte egy időben, vagy rövid időn belül fog bekövetkezni.
A nem nagy kockázatú AI-rendszerekre az AI Act nem ír elő az összetevők vagy a tanítóadatok strukturált nyilvántartására irányuló kötelezettséget (rájuk főként az AI-jártassági szabályok, az 50. cikk átláthatósági szabályai és az önkéntes magatartási kódexek vonatkoznak). Az AI-BOM itt tehát nem jogszabályi elvárás, hanem esetleg szabványokon, vagy jó gyakorlatokon alapuló, önként vállalt AI-governance elem.
A CRA ettől függetlenül teljes egészében alkalmazandó. Az AI-modell a termék része, ezért a CRA szövege alapján megalapozott az az értelmezés, hogy az SBOM-nak legalább azonosítási szinten tartalmaznia kell: a modell nevét és verzióját, szállítóját vagy eredetét, egyedi azonosítóját vagy fájl-hash-ét (digestjét), licencét, valamint a futtatásához szükséges keretrendszert és runtime-ot.
Ezek egyúttal az AI-BOM legfontosabb elemei is: az AI-BOM magja így az SBOM-ban jelenik meg. A modell azért sem pusztán adminisztratív kérdés, mert a modellfájl cseréje vagy manipulálása, illetve a modellbetöltő és a futtatókörnyezet sérülékenysége ugyanolyan biztonsági kockázat, mint bármely más komponensé. Ha pedig a termék külső (felhőben futó) modell-API-t használ, azt is célszerű és érdemes komponensként rögzíteni, és a külső összetevőkre vonatkozó kellő gondosság körében értékelni.
Az ennél részletesebb AI-BOM-adatok, amelyek már túlmutatnak az azonosításon, az SBOM-ot kiegészíthetik, de annak nem feltétlenül szükséges elemei. Ezt az alábbi táblázat szemlélteti:
|
SBOM (CRA-alap, azonosítási szint) |
AI-BOM (kiegészítő) |
|
Modell: név, verzió, szállító/eredet, hash vagy digest, licenc AI-keretrendszer és futtatókörnyezet (pl. TensorFlow Lite, PyTorch), pontos verzióval Operációs rendszer, könyvtárak, adatbázisok, saját kód, tranzitív függőségek Külső szolgáltatások (pl. modell-API) |
Alapmodell megnevezése Tanító-, validációs és tesztadatkészletek forrása Finomhangolás (fine-tuning) folyamata és jellemzői Modellkártya, teljesítményjellemzők Ismert korlátok és kockázatok, torzításra és megbízhatóságra vonatkozó információk |
Technikailag nem feltétlenül két külön dokumentumról van szó: a CycloneDX ML-BOM képességet kínál modell- és adatkészlet-komponensekhez, az SPDX 3.x pedig AI-profilt tartalmaz, így az SBOM és az AI-BOM ugyanabban a formátumban, akár egy állományban is kezelhető.
Honnan szerezhetők az AI-BOM adatai? Ha a termék harmadik féltől származó, általános célú AI-modellt (GPAI) használ, a modell szolgáltatója az AI Act 53. cikke és XII. melléklete alapján köteles a modellt beépítők rendelkezésére bocsátani a modell leírását és fejlesztési folyamatának adatait (többek között az architektúrát, a paraméterek számát, a modalitást, a licencet, a tanítóadatok típusát és eredetét). Ez jó kiindulópont az AI-BOM kitöltéséhez. Ez a kötelezettség nem terheli a szabad és nyílt forráskódú licenc alatt, nyilvános paraméterekkel kiadott (és rendszerszintű kockázatot nem jelentő GPAI-modellek) szolgáltatóit. Az AI Act modellszintű dokumentációs kötelezettséget GPAI-modelleken túlmenően (például klasszikus gépi tanulási modellekre) nem ír elő, a CRA komponensfogalma viszont szélesebb, így ezek is a termék komponensei. Ezekben az esetekben a modellkártyára kell támaszkodni, és szükség esetén szerződésben rögzíteni a saját dokumentációhoz szükséges információkat.
Gyakorlati példa:
Tegyük fel, hogy egy internetkapcsolattal rendelkező okoskamera személyfelismerési funkciót alkalmaz.
Az SBOM komponensenként rögzíti a nevet, a pontos verziót, a szállítót, az azonosítót (PURL/CPE), a hash-t, a licencet és a függőségi viszonyt, és tartalmazhatja többek között:
Ez a felsorolás szándékosan rövid: egy valós eszköz SBOM-ja több száz komponenst tartalmaz, és az ENISA a tranzitív függőségek rögzítését is javasolja.
Az AI-BOM ezen felül részletezheti az alapmodellt, a tanító adatkészletek eredetét, a finomhangolás körülményeit, a modell ismert működési korlátait, valamint a kapcsolódó modellkártyát vagy dokumentációt.
Az, hogy a személyfelismerő funkció az AI Act szerint nagy kockázatú-e, a konkrét funkciótól és felhasználási céltól függ (biometrikus rendszerek, III. melléklet). Ha nagy kockázatú, akkor a CRA 12. cikke szerinti úton haladhat a gyártó, és az AI-BOM jellegű információt az AI Act műszaki dokumentációja amúgy is megköveteli. Ha nem, az AI-BOM jó gyakorlat, a modell azonosítása az SBOM-ban azonban a CRA alapján így is indokolt. A CRA oldalán pedig érdemes figyelembe venni, hogy a III. melléklet a biztonsági funkciójú okosotthon-termékeket (például biztonsági kamerákat) „fontos termékként” (I. osztály) nevesíti, ami szigorúbb megfelelőségértékelési utat jelenthet.
A CRA jelenlegi szövegéből nem következik egyértelműen, hogy az AI-modell mint komponens kívül esne az SBOM hatókörén. Ezzel szemben kifejezetten megalapozott az az értelmezés, hogy a termék részét képező AI-modell legalább azonosítási szinten a dokumentálandó összetevők közé tartozik. Az ENISA útmutatójának tárgyi hatálya (AI-BOM, HBOM, CBOM kizárása) nem feltétlenül jelent állásfoglalást arra nézve, hogy az AI-rendszerek mely elemei tartozhatnak az SBOM-ba.
A jelenlegi szabályozási környezet alapján a leginkább megalapozott megközelítés az, hogy:
A CRA-ra készülő szervezetek számára az ENISA útmutatója elsősorban a 2027. decemberi teljes alkalmazásra való felkészüléshez jó kiindulópont egy megfelelési program kialakításához; de a már most kötelező jelentéstételben is segíthet. Az általános alkalmazásig nagyjából egy év van hátra. Javasolt teendők:
Az IVSZ AI Kompetencia Központ AI governance és megfelelési támogatása segít végiggondolni ezeket a kérdéseket a saját projektetekben. Így az ügyféllel már konkrét dokumentációs feladatokról és felelősségekről tudtok egyeztetni, és ezeket a fejlesztés, illetve az átadás tervezésénél is figyelembe vehetitek.
Hozd el a projekted kérdéseit: mit építetek be, milyen információ áll rendelkezésetekre, és mit vár tőletek az ügyfél az átadáskor?
A program feltételeinek megfelelő szoftverfejlesztő kkv-k a támogatást innovációs keretük terhére, készpénzforgalom nélkül vehetik igénybe. Regisztráció után közösen egyeztetjük, melyik szolgáltatás illeszkedik a projektetekhez.
Regisztrálj az IVSZ AI Kompetencia Központba, és az egyeztetésen jelezd: AI-t tartalmazó termék dokumentálásához és megfelelési kérdéseihez keresel támogatást.