論文の概要: Operationalising Artificial Intelligence Bills of Materials (AIBOMs) for Verifiable AI Provenance and Lifecycle Assurance
- arxiv url: http://arxiv.org/abs/2605.19755v1
- Date: Tue, 17 Mar 2026 20:45:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.948652
- Title: Operationalising Artificial Intelligence Bills of Materials (AIBOMs) for Verifiable AI Provenance and Lifecycle Assurance
- Title（参考訳）: 検証可能なAI保証とライフサイクル保証のためのAIBOM(AIBOM)の運用
- Authors: Petar Radanliev, Omar Santos, Carsten Maple, Kay Atefi,
- Abstract要約: 本研究では,CycloneDX規格を拡張したAIBOM(Artificial Intelligence Bill of Materials)スキーマを提案する。
自律型AIパイプラインは、継続的環境検査、脆弱性の強化、マシンが検証可能な前兆チェーンを使用した監査を実行するために開発されている。
- 参考スコア（独自算出の注目度）: 11.812618112854116
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial Intelligence (AI) systems are increasingly dependent on complex, multi-layered software supply chains that introduce challenges for reproducibility, transparency, and security assurance. This study presents an Artificial Intelligence Bill of Materials (AIBOM) schema extending the CycloneDX standard to capture AI-specific provenance, model lineage, and disclosure metadata. The framework provides a formalised approach to verifiable software provenance through structured schema engineering, cryptographic validation, and agent-driven automation. An autonomous AI pipeline is developed to perform continuous environment inspection, vulnerability enrichment, and reproducibility auditing using machine-verifiable provenance chains. Empirical evaluation demonstrates 98.7% reproducibility fidelity, 96.2% vulnerability match precision, and a 63% reduction in manual oversight across containerised analytic workflows. These results confirm the feasibility of automated provenance assurance and reproducible AI lifecycle validation. The AIBOM framework advances the scientific foundations of software supply chain transparency and AI reproducibility engineering, offering a generalisable methodology for securing AI systems, strengthening provenance integrity, and supporting compliance with international information security standards.
- Abstract（参考訳）: 人工知能(AI)システムは、再現性、透明性、セキュリティ保証の課題を提起する複雑な多層ソフトウェアサプライチェーンに依存している。
本研究では,CycloneDX標準を拡張したAIBOM(Artificial Intelligence Bill of Materials)スキーマを提案する。
このフレームワークは、構造化スキーマエンジニアリング、暗号検証、エージェント駆動の自動化を通じて、検証可能なソフトウェア証明に対する形式化されたアプローチを提供する。
自律型AIパイプラインは、マシンが検証可能な前兆チェーンを使用して、継続的環境検査、脆弱性の強化、再現可能性監査を実行するために開発されている。
実証的な評価では、再現可能性の忠実度98.7%、脆弱性が96.2%の精度で一致し、コンテナ化された分析ワークフロー全体の手動監視が63%減少している。
これらの結果は、自動証明保証と再現可能なAIライフサイクルバリデーションの実現可能性を確認する。
AIBOMフレームワークは、ソフトウェアサプライチェーンの透明性とAI再現性エンジニアリングの科学的基盤を進化させ、AIシステムを保護するための一般的な方法論を提供し、証明の完全性を強化し、国際情報セキュリティ標準への準拠をサポートする。
関連論文リスト
- AI Bill of Materials and Beyond: Systematizing Security Assurance through the AI Risk Scanning (AIRS) Framework [31.261980405052938]
人工知能(AI)システムの保証は、ソフトウェアサプライチェーンセキュリティ、敵機械学習、ガバナンスドキュメントに分散している。
本稿では,AI保証の運用を目的とした脅威モデルに基づくエビデンス発生フレームワークであるAI Risk Scanning(AIRS)フレームワークを紹介する。
論文 参考訳（メタデータ） (2025-11-16T16:10:38Z) - TAIBOM: Bringing Trustworthiness to AI-Enabled Systems [0.23332469289621785]
透明性とトレーサビリティを高めるために、SBOM(Software Bills of Materials)が重要になっている。
現在のフレームワークは、AIシステムのユニークな特徴を捉えていない。
我々は、SBOMの原則をAIドメインに拡張する新しいフレームワークであるTAIBOM(Trusted AI Bill of Materials)を紹介する。
論文 参考訳（メタデータ） (2025-10-02T16:17:07Z) - Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。
エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。
セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
論文 参考訳（メタデータ） (2025-09-08T17:52:08Z) - Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。
当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
論文 参考訳（メタデータ） (2025-07-03T02:45:51Z) - AI Model Passport: Data and System Traceability Framework for Transparent AI in Health [4.024232575199211]
本稿では,構造化および標準化されたドキュメントフレームワークであるAI Model Passportの概念を紹介する。
ライフサイクル全体にわたってAIモデルを特定し、検証し、追跡し、監視するために必要なメタデータをキャプチャする。
このフレームワークの実装は、医療画像アプリケーションのためのProCAncer-I EUプロジェクト内で開発されたMLOpsツールであるAIPassportを通じて提示される。
論文 参考訳（メタデータ） (2025-06-27T16:16:15Z) - A Framework for Cryptographic Verifiability of End-to-End AI Pipelines [0.8075866265341175]
本稿では,AIパイプラインの完全検証,鍵コンポーネントの同定,既存の暗号手法の解析を行うフレームワークを提案する。
このフレームワークは、AI生成資産と共に暗号証明を提供することで、誤情報に対処するために使用することができる。
論文 参考訳（メタデータ） (2025-03-28T16:20:57Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。