SBOM vs AIBOM vs MLBOM: ¿en qué se diferencian?

«SBOM, AIBOM, MLBOM: ¿necesito todos y en qué se diferencian?» es una de las preguntas que más crecen en la seguridad de la cadena de suministro de IA, y la confusión es comprensible porque los tres se solapan. La versión corta: son capas de la misma idea (un inventario estructurado de aquello de lo que está hecho un sistema) aplicada a componentes cada vez más específicos de la IA.

Los tres, en una línea cada uno

• SBOM (Software Bill of Materials, lista de materiales de software): los componentes de software, bibliotecas y dependencias de una aplicación. La práctica consolidada de la cadena de suministro de software.
• AIBOM (AI Bill of Materials, lista de materiales de IA): los componentes de un sistema de IA: modelos, datos de entrenamiento y de fine-tuning, y el software que los rodea. El inventario específico de IA más amplio.
• MLBOM (Machine Learning Bill of Materials, lista de materiales de machine learning): específicamente los artefactos de machine learning: modelos, datasets y su procedencia y linaje.

Por qué existen las variantes de IA

Un SBOM estándar se creó para inventariar componentes de software. No recoge de forma natural las partes de un sistema de IA que concentran más riesgo para la cadena de suministro: qué modelo usas y de dónde viene, con qué datos se entrenó o se hizo el fine-tuning, las licencias de los modelos y los datasets, y la procedencia e integridad del modelo. El AIBOM y el MLBOM amplían el concepto de lista de materiales para hacer visibles esos elementos, de modo que puedas responder «¿qué modelo y qué datos hay en este producto, y podemos fiarnos de su origen?» igual que un SBOM te permite responder «¿qué bibliotecas hay en esta aplicación?».

¿Necesitas los tres?

A menudo, más de uno. Un producto de IA moderno sigue siendo software, así que necesita un SBOM para sus dependencias convencionales, más un AIBOM (o un MLBOM para la parte específica de los modelos) para inventariar los modelos y los datos. Lo que priorices depende de lo que publiques: una aplicación tradicional se apoya en el SBOM; una aplicación de IA o un modelo publicado necesitan el inventario específico de IA por encima. Lo alentador es que los formatos consolidados, CycloneDX y SPDX, se están ampliando para cubrir componentes de IA/ML, así que a menudo se trata de extender tus herramientas de SBOM actuales y no de montar una pila aparte. En estándares y plantillas de AIBOM comparados ponemos los formatos uno al lado del otro, incluido Croissant para datasets.

Cómo es un MLBOM en la práctica

Un MLBOM no suele ser un formato de archivo aparte. Es un documento CycloneDX o SPDX que describe componentes de machine learning junto a los paquetes de software ordinarios, o en su lugar.

• CycloneDX ML-BOM: CycloneDX (un estándar de OWASP) añadió soporte para machine learning en la versión 1.5. Incluye un tipo de componente machine-learning-model y campos de model card para el uso previsto, las limitaciones y las métricas de rendimiento. Los datasets pueden describirse como componentes de datos y vincularse al modelo. CycloneDX ML-BOM: campos y un ejemplo resuelto recorre un archivo completo.
• Perfiles AI y Dataset de SPDX 3.0: SPDX 3.0 introdujo perfiles que describen paquetes de IA y datasets en el mismo documento que el SBOM de software. Consulta qué registran los perfiles AI y Dataset de SPDX, con un ejemplo.

Una entrada útil de un MLBOM suele registrar:

• el nombre, la versión y el proveedor del modelo
• la licencia
• el modelo base del que deriva (linaje)
• los datasets de entrenamiento y evaluación, con sus fuentes
• hashes criptográficos de los pesos, para poder verificar la integridad
• detalles de la model card: uso previsto y limitaciones conocidas

Así se comparan las tres listas de materiales:

• SBOM: cubre bibliotecas y paquetes. La pregunta que responde: ¿qué código hay aquí?
• MLBOM: cubre modelos y datasets, con su procedencia. La pregunta que responde: ¿qué modelo, entrenado con qué datos?
• AIBOM: cubre todo el sistema de IA, desde los modelos y los datos hasta el software que los rodea. La pregunta que responde: ¿de qué está hecho este producto de IA, de principio a fin?

Por dónde empezar

Genera e inspecciona un AIBOM de un sistema de IA con el generador de AIBOM →, compara los conceptos uno al lado del otro con AIBOM vs SBOM y convierte artefactos de ML con el conversor ML-BOM.

Preguntas frecuentes

¿Qué incluye un SBOM? Un SBOM enumera cada componente y dependencia de software con su nombre, versión, proveedor y licencia, además de las relaciones entre ellos. Formatos estándar como CycloneDX y SPDX definen exactamente qué campos recoger.

¿Qué es un CBOM y qué relación tiene con un SBOM? Un CBOM (Cryptography Bill of Materials, lista de materiales criptográficos) inventaría los activos criptográficos de un sistema (algoritmos, claves y certificados), algo importante para la migración poscuántica. Pertenece a la misma familia ampliada «xBOM» que el SBOM, el AIBOM y el MLBOM, cada uno de los cuales inventaría una capa distinta.

¿Qué es un AI SBOM? «AI SBOM» es otro nombre del AIBOM: un inventario al estilo SBOM ampliado a los modelos, los datos de entrenamiento y el software que rodea a un sistema de IA. Existe porque un SBOM tradicional no recoge los pesos de los modelos ni los datasets.

¿Cuál es la diferencia? SBOM = componentes de software; AIBOM = todo el sistema de IA, incluidos modelos y datos; MLBOM = específicamente los artefactos de ML (modelos, datasets, procedencia).

¿Necesito los tres? A menudo más de uno: un producto de IA necesita un SBOM para su software más un AIBOM/MLBOM para sus modelos y datos.

¿Por qué surgieron el AIBOM y el MLBOM? Los SBOM estándar no recogen la procedencia de los modelos, los datos de entrenamiento ni las licencias de IA/ML: el riesgo específico de la IA.

¿Qué formatos? CycloneDX y SPDX se están ampliando a la IA/ML, así que el AIBOM y el MLBOM suelen apoyarse en las herramientas de SBOM existentes.