חזרה לפיד
articlesמקור: Snyk Blog19.12.2025

Evo מוסיפה תמיכה ב-CycloneDX לחשיפה מלאה של AI

אמ;לק

ארגונים מתמודדים עם פער קריטי בנראות מודלי AI, היוצר סיכוני אבטחה ותאימות. האינטגרציה החדשה של Evo עם CycloneDX 1.6 מספקת AI-BOMs חכמים וניתנים לפעולה, המאפשרים פיקוח מלא וניהול יעיל של שרשרת אספקת ה-AI.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Evo Adds CycloneDX Support to Give Full AI Visibility

Evo מוסיפה תמיכה ב-CycloneDX לחשיפה מלאה של AI

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

⁦AI⁩ היא כעת בעיה בשרשרת האספקה

אימוץ הבינה המלאכותית (AI) בתוך ארגונים מתפוצץ. מפתחים מושכים מודלים ממאגרי קוד פתוח, HuggingFace, נקודות ביקורת פנימיות וגרסאות מכווננות המתארחות בשרתי MCP. עם זאת, החדשנות המהירה הזו הקדימה את מעקות הבטיחות שנועדו לנהל אותה. בעוד החדשנות מואצת, לצוותי אבטחה ופלטפורמות אין לעיתים קרובות נראות על המודלים שבהם נעשה שימוש, מקורם או התנהגותם.

זה יוצר סיכון מהותי: לא ניתן לאבטח את מה שלא ניתן לראות. כדי להחזיר את השליטה, ארגונים זקוקים לדרך מרוכזת לניהול מלאי של מודלי AI, מעקב אחר מקורותיהם והבטחת תאימות — כל זאת מבלי לאלץ מפתחים לבנות מחדש צינורות קיימים מאפס.

כאן נכנסים לתמונה ה-AI Bill of Materials (AI-BOMs). ‏AI-BOM מספק מלאי מובנה, קריא במכונה, הכולל תלויות, מקור ורישוי. אף שבעבר לא היה תקן מקובל למלאים אלו, הגעתו של CycloneDX 1.6 — תקן ה-SBOM הפופולרי ביותר בתעשייה — משנה את התמונה.

אנו נרגשים להכריז כי ה-Discovery Agent של Evo תומך כעת באופן מלא ב-AI ModelCards של CycloneDX. אינטגרציה זו מאפשרת יצירת AI-BOMs ניידים וסטנדרטיים שניתן להפעיל לצד זרימות עבודה קיימות של SBOM במינימום מאמץ. על ידי הרחבת CycloneDX עם תובנות אבטחה מעמיקות ומטא-דאטה מעשי, Evo הופכת את ה-AI-BOM לאינטליגנטי, שמיש ומוכן באמת לעולם הארגוני.

פער הנראות: למה אתה לא יכול לאבטח את מה שאתה לא יכול לראות

ארגונים נאבקים להשיג נראות ברורה למודלים ⁦AI⁩ הפועלים על פני הסביבה שלהם. הנושא כולל:

• אין AI-BOM מרוכז: אין מלאי עקבי של מודלי AI על פני בסיסי קוד, מאגרים, מכונות מפתחים או שרתי MCP.

• אין מעקב אחר מקור (Provenance): לצוותים לרוב אין אפשרות לראות מי יצר מודל, מהיכן הגיע (HuggingFace, GitHub, או נקודת ביקורת מותאמת אישית), האם שונה, או אם ניתן לסמוך עליו.

• נקודות עיוורות בעמידה ברישיונות: רישיונות מודל חסרים, אינם שלמים או נבדקים באופן ידני, מה שיוצר סיכוני ציות.

• אין נראות ארכיטקטונית: צוותים אינם יכולים להבין בקלות את סוג המודל (טקסט, קוד, ראייה ממוחשבת, אודיו או מולטי-מודאלי), תחום המשימה (יצירת טקסט, תיקון קוד, סיווג תמונה וכו'), משפחת הארכיטקטורה (Transformer, CNN, Diffusion), פורמטים של קלט/פלט, או גישת הלמידה (Supervised, Self-supervised, RL).

• אין תובנות יישום: האם המודל פועל באמצעות ה-SDK הסטנדרטי של MCP, פורק (Fork) מותאם אישית או ספריית הסקה (Inference) לא מאושרת? ללא מידע זה, ממשל, ניהול סיכונים ותאימות הם כמעט בלתי אפשריים.

סטנדרטיזציה של ⁦AI-BOM⁩ עם ⁦CycloneDX⁩

על ידי הצגת כרטיסי מודל AI (ModelCards) מובנים, CycloneDX מספק פורמט קריא במכונה שמביא משמעת ברמת SBOM למערכות AI. תקן זה מאפשר לצוותים ללכוד מטא-דאטה חיוני, כולל שמות מודלים, גרסאות והמחברים או הספקים האחראים עליהם.

מעבר לזיהוי בסיסי, CycloneDX 1.6 מתעד את ה-DNA הטכני של מודל — הארכיטקטורה שלו, גישת הלמידה, ופורמטי הקלט והפלט המוגדרים. זה יוצר רשומה ניידת ועקבית המשמשת כבסיס לכל אסטרטגיית ממשל מודרנית של AI.

מעבר לסטנדרט: הרחבת ⁦AI-BOMs⁩ עם ⁦Evo⁩

בעוד ש-CycloneDX מספק את המסגרת הדרושה, ממשל ברמה ארגונית דורש יותר מרק רשימה של שדות סטטיים. שדות רבים ב-CycloneDX מאפשרים הזנת טקסט חופשי, דבר שעלול להקשות על צוותי אבטחה לנתח או לפעול לפיו בהיקף רחב. כדי לפתור זאת, Evo מרחיבה את התקן על ידי מיפוי נתוני מודל לטקסונומיה מפורטת ומובילה בתעשייה.

Evo תומך בכל שדות ⁦CycloneDX⁩ 1.6 ⁦AI⁩ ModelCard:

• גישת למידה: בפיקוח, ללא השגחה, ⁦RL⁩, בפיקוח למחצה, בפיקוח עצמי

• משפחת אדריכלות: שנאי, ⁦CNN⁩, ⁦RNN⁩, ⁦LSTM⁩, רשת שיורית

• ארכיטקטורת מודל: ⁦GPT-1⁩, ⁦LLaMA-3⁩, ⁦ResNet-50⁩, ⁦YOLOv3⁩

• כניסות / פלטים: פורמטים של מחרוזות, ייצוגים מולטי-מודאליים

שדות טקסט חופשי ב-CycloneDX עלולים להיות קשים לניתוח או פעולה. Evo מוסיף טקסונומיה מפורטת ומובילה בתעשייה כדי להפוך את המטא-דאטה של ה-AI לניתן לפעולה, כגון:

נתיב יישום וזיהוי SDK: Evo מזהה שימוש ב-SDK הסטנדרטי של MCP, ספריות הסקה מותאמות אישית, פורקים מכווננים ושרשראות כלים (Toolchains) לא מאושרות או שהוצאו משימוש. זה קריטי לממשל ארגוני.

כיצד CycloneDX ו-Evo משלימים את פערי הנראות

מודלי AI נושאים כעת סיכונים בשרשרת האספקה הדומים לתוכנה, אך עם ממדים סמנטיים והתנהגותיים חדשים. CycloneDX מספק את פורמט ה-AI-BOM הסטנדרטי בתעשייה, ו-Evo מוסיף אינטליגנציה ועומק, ומפעיל את ה-AI-BOM לצרכי ממשל, תאימות ודירוג סיכונים. יחד, הם מביאים את משמעת ה-SBOM למערכות AI, ומספקים נראות מלאה, תאימות אוטומטית ותובנות מעשיות.

בשילוב עם ⁦CycloneDX⁩, ⁦Evo⁩ מטפל בפערי הנראות והממשל העיקריים:

• AI-BOM מרוכז: Evo מייצר מלאי ברמת דיוק גבוהה על פני מכונות, מאגרים, שרתי MCP וסוכנים; CycloneDX מבטיח ניידות.

• מעקב מקור: עוקב אחר מחבר, ספק, כתובת URL של המקור, מיקום ההורדה ו-Hash/חתימה של המודל.

• תאימות לרישיון: מחלץ ומנרמל רישיונות באופן אוטומטי, תומך באכיפת מדיניות ובמוכנות לביקורת.

• נראות ארכיטקטונית: חושפת סוג מודל, משפחת ארכיטקטורה, ארכיטקטורה ספציפית, תחום משימה, אופני קלט/פלט וגישת למידה.

• תובנות יישום: ממפה את השימוש ב-MCP SDK, עטיפות (Wrappers) מותאמות אישית וזרימות הסקה שאינן תואמות; CycloneDX לוכד את הקשרים בין הרכיבים.

מיפוי לתוצאות הלקוח

CycloneDX ModelCard + EVO סורקים על פני מאגרים, נקודות קצה ו-MCP

⁦CycloneDX⁩ שדות רישיון + ⁦EVO⁩ נורמליזציה

CycloneDX קלט/פלט + טקסונומיית I/O של Snyk

⁦MCP⁩ ⁦SDKs⁩, עטיפות, שרשרת כלים להסקת מסקנות

AI-BOM קריא במכונה המפעיל מנועי מדיניות ובדיקות CI

התקן ⁦AI-BOM⁩ הגיע, ו-⁦Evo⁩ מגדיר אותו

הגעתם של מודלים ⁦AI⁩ לארגון הציגה סיכונים בשרשרת האספקה ​​שעניינם התנהגות וסמנטיקה באותה מידה שהם קשורים לקוד. ממשל אמיתי דורש את היכולת ליישם את התקן התעשייה ש-⁦CycloneDX⁩ 1.6 מספק.

על ידי שילוב הניידות של ⁦CycloneDX⁩ 1.6 עם האינטליגנציה הארכיטקטונית העמוקה של ⁦Evo⁩, ארגונים יכולים להרוויח:

• נראות מלאה לכל מודלי ה-AI הנמצאים בשימוש

• אכיפת רישיון ומדיניות אוטומטית

מוכנים להביא נראות מלאה לשרשרת אספקת ה-AI שלכם? גלו כל רכיב AI החבוי בבסיס הקוד שלכם עם Evo עוד היום.

Evo מאת ⁦Snyk⁩

האפליקציות ⁦AI⁩ שלך בנויות כדי לשרת את העסק שלך. Evo בנוי כדי להגן עליו.

קרא עוד

PHP2Shell לא יהיה האחרון. הנה איפה שהבא בתור יופיע קודם.

⁦PHP2Shell⁩ הראה באיזו מהירות פגם ברמת המנוע יכול לסכן אפליקציות הפונות לאינטרנט. למד מדוע מלאי חיצוני, בדיקות מהירות ובדיקות חוזרות חשובות לפני החשיפה הבאה.

Snyk UNFILTERED: בתוך פסגת הלקוחות הראשונה שלנו

בפסגת הלקוחות הראשונה של Snyk, מנהיגי אבטחה חלקו נקודות מבט גלויות לגבי סיכוני AI, תיקון פגיעויות וממשל על סוכנים אוטונומיים. חמישה נושאים חושפים כיצד צוותים מתאימים את האבטחה למהירות של AI.

⁦Turn Your Vulnerability Backlog Into Pull Requests With Agentic Remediation⁩

ה-⁦Evo Remediation Agent⁩ נמצא כעת ב-⁦Open Preview⁩, מביא לפתרון תלות אוטומטי ל-⁦Evo Agentic AppSec⁩. צוותי AppSec יכולים כעת להפעיל תיקון מתמשך

#ai-governance#sbom#supply-chain-security#evo
קרא במקור