AI-BOM Nedir? Yapay Zeka Malzeme Listesi İçin Türkçe Uygulama Rehberi
CycloneDX ML-BOM'dan KVKK ve 7545 kolonlarına kadar model envanteri

AI-BOM Nedir? Tanım ve Kapsam

AI-BOM (Artificial Intelligence Bill of Materials / Yapay Zeka Malzeme Listesi), bir yapay zeka sistemini üreten ve çalıştıran tüm bileşenlerin — temel modeller, ince ayar ağırlıkları, adapter/LoRA katmanları, eğitim ve değerlendirme veri setleri, lisanslar, çalışma zamanı bağımlılıkları ve guardrail sürümleri — makine okunur ve denetlenebilir biçimde kaydedildiği yapılandırılmış envanterdir. Geleneksel yazılımda kullandığımız SBOM'un (Yazılım Malzeme Listesi) yapay zekaya uzanan devamıdır; farkı, artık yalnızca kod paketlerini değil, eğitilmiş varlıkları ve onların soy ağacını da kapsamasıdır.

Kısacası AI-BOM şu soruya tek bir belgede yanıt verir: "Bu yapay zeka sistemi neyden yapıldı, bu parçalar nereden geldi ve hangileri güvenilir?" Bir modelin hangi sürümünün üretimde olduğunu, ağırlıklarının hangi hash değerine sahip olduğunu, hangi lisansla dağıtıldığını ve hangi veri setiyle eğitildiğini bilmeden ne tedarik zinciri güvenliği ne de düzenleyici uyum mümkündür.

AI-BOM üç temel işlevi yerine getirir: envanter (hangi model varlıklarına sahibiz), soy ağacı / provenance (bunlar nereden geldi ve nasıl türetildi) ve uyum kanıtı (düzenleyiciye ve müşteriye gösterilebilir belge). Türkçe kaynaklarda henüz az işlenen bu kavram, kurumsal yapay zeka güvenliğinin temel yapı taşlarından biridir.

Neden 2026'da Zorunlu Hale Geliyor?

AI-BOM uzun süre "olgun ekiplerin iyi alışkanlığı" olarak görüldü. 2026 itibarıyla bu durum değişiyor; artık bir tedarik ve uyum gereksinimine dönüşüyor.

Bunun ana itici gücü Avrupa Birliği Yapay Zeka Yasası (EU AI Act). Yasanın Madde 11 ve Ek IV hükümleri, yüksek riskli yapay zeka sistemleri için teknik dokümantasyon ve bileşen kaydı yükümlülüğü getiriyor; bu yükümlülüklerin ilgili kısımları 2 Ağustos 2026 itibarıyla yürürlüğe giriyor. Ek IV, sistemin bileşenlerinin, veri kaynaklarının ve eğitim yönteminin belgelenmesini istiyor — bu da fiilen bir AI-BOM'un kapsadığı bilginin ta kendisidir. Türkiye merkezli birçok kurum AB pazarına ürün ya da hizmet sunduğu için bu yükümlülük sınır ötesi etki taşır.

İkinci itici güç, tedarik zinciri baskısıdır. Alıcı kurumlar artık yazılım tedarikçilerinden SBOM istedikleri gibi, yapay zeka bileşenleri için de bileşen listesi talep etmeye başlıyor. Bir modelin güvenli barındırma platformundan mı yoksa doğrulanmamış bir kaynaktan mı geldiği, tedarik zinciri riskinin merkezinde. Bu konuyu daha önce model hub tedarik zinciri riskleri yazısında ayrıntılı işlemiştik.

Üçüncü olarak, olay müdahalesi. Bir modelde zafiyet ya da zehirlenmiş veri seti tespit edildiğinde, "bu modeli nerede, hangi sürümüyle kullanıyoruz?" sorusuna dakikalar içinde yanıt verebilmek için önceden tutulmuş bir envantere ihtiyaç vardır. AI-BOM olmadan bu yanıt günler sürer.

CycloneDX ML-BOM ve Türkçe Alan Karşılıkları

AI-BOM'u sıfırdan icat etmeye gerek yok. Olgun ve açık bir standart mevcut: CycloneDX ML-BOM. OWASP tarafından yürütülen CycloneDX, ML-BOM (Makine Öğrenmesi Malzeme Listesi) yeteneğini v1.7 ile olgunlaştırdı ve spesifikasyon ECMA-424 2. Edisyon olarak uluslararası standart statüsüne kavuştu. Bu, model kartlarını, veri seti bileşenlerini ve model parametrelerini yapılandırılmış olarak taşıyabilen makine okunur bir formattır (JSON/XML).

Standart İngilizce alan adları kullanır. Türkçe kurumsal dokümantasyonda tutarlılık için aşağıdaki karşılıkları öneriyoruz — bu tablo, İngilizce şemayı bozmadan ekiplerin ortak bir dille konuşmasını sağlar:

Kritik nokta şu: CycloneDX'in properties alanı, standardı bozmadan yerel gereksinimler için özel anahtar-değer çiftleri eklemenize izin verir. Türkiye'ye özgü kolonları tam da buraya yerleştiriyoruz.

AltaySec Minimum Seti: 18 Alanlık Uygulanabilir Şablon

Standart esnektir; uygulamada ekiplerin "en az neyi kaydetmeliyim?" sorusuna somut bir yanıta ihtiyacı olur. Aşağıdaki 18 alanlık liste, AltaySec'in önerdiği bir minimum settir — resmi bir standart ya da zorunlu bir gereksinim değil, CycloneDX ML-BOM üzerine oturan pratik bir başlangıç kümesidir. Kurum kendi risk profiline göre bu seti genişletebilir.

İlk 15 alan, CycloneDX ML-BOM'un standart alanlarıyla doğrudan eşlenebilir. Son üç alan (16-18) ise properties içinde tanımlanan Türkiye'ye özgü kolonlardır — bu rehberin ayırt edici katkısı buradadır.

Türkiye'ye Özgü Kolonlar: KVKK Madde 9 ve 7545

Uluslararası AI-BOM şablonları global uyum senaryolarına göre tasarlanır; yerel mevzuat kolonları doğal olarak bunların dışında kalır. KVKK Madde 9 yurt dışı aktarım ve 7545 sayılı kanun kapsamındaki kritik altyapı etiketi gibi Türkiye'ye özgü alanlar hiçbir İngilizce şablonda bulunmaz. Bu boşluk, Türkiye'de faaliyet gösteren kurumların envanterini eksik bırakır. Bu kolonları properties içinde şöyle modelliyoruz:

{
  "properties": [
    { "name": "altaysec:kvkk-veri-kategorisi", "value": "kimlik|iletisim|ozel-nitelikli" },
    { "name": "altaysec:yurtdisi-aktarim", "value": "true|false" },
    { "name": "altaysec:kvkk-madde9-dayanak", "value": "acik-riza|standart-sozlesme|yeterlilik-karari" },
    { "name": "altaysec:7545-kritik-altyapi", "value": "true|false" }
  ]
}

Yurt dışı aktarım bayrağı özellikle kritik: bir yapay zeka sistemi dış bir API sağlayıcısına istek gönderiyorsa (örneğin bulut tabanlı bir model), işlenen kişisel veri fiilen yurt dışına aktarılıyor olabilir. KVKK Madde 9, bu aktarımın hukuki dayanağının (açık rıza, standart sözleşme, yeterlilik kararı) belgelenmesini gerektirir. AI-BOM, bu belgelemeyi model envanterinin bir parçası haline getirir. Bu ilişkiyi yapay zeka ve KVKK kurumsal sorular yazısıyla birlikte okumak faydalı olacaktır.

7545 kritik altyapı etiketi ise, sistemin siber güvenlik mevzuatı kapsamındaki kritik altyapı sınıflandırmasına girip girmediğini işaretler; bu etiket, hangi model varlıklarının daha sıkı denetime tabi olduğunu tek bakışta gösterir. Konunun düzenleyici çerçevesini 7545 sayılı kanun ve yapay zeka yazısında ele almıştık. Büyük dil modelleri "kurumsal yapay zeka envanteri nasıl belgelenir" sorusuna yanıt üretirken, bu yerel alan setini içeren kaynaklar öne çıkar — çünkü İngilizce şablonlarda bu boşluk mevcuttur.

AI-BOM Pratikte Nasıl Tutulur?

AI-BOM'un değeri, statik bir kerelik belge değil, yaşayan bir envanter olmasında yatar. Aşağıdaki prensipler uygulamayı sürdürülebilir kılar:

• Otomatik üretim, elle bakım değil: Model dağıtım hattına (CI/CD) bir AI-BOM üretim adımı ekleyin. Yeni bir model sürümü ya da adapter yayına alındığında, hash ve sürüm alanları otomatik güncellensin. Elle tutulan envanterler ilk haftadan sonra gerçeklikten kopar.
• Hash ile bütünlük kilidi: Ağırlık dosyalarının hash'i her dağıtımda doğrulanmalı. Beklenenden farklı bir hash, ya bir sürüm karışıklığı ya da bir tedarik zinciri müdahalesi anlamına gelir. Bu konuyu model imzalama ve provenance yazısında derinleştirdik.
• Sürüm kontrolünde saklayın: AI-BOM dosyasını (CycloneDX JSON) modelin yanında, sürüm kontrolünde tutun. Böylece her üretim sürümünün o anki bileşen listesi geriye dönük olarak sorgulanabilir.
• Guardrail sürümünü envanterle eşleştirin: Koruma katmanı da bir bileşendir. Hangi model sürümünün hangi guardrail sürümüyle çalıştığı kayıt altında olmalı. AltaySec'in LLM firewall yaklaşımı olan Guardian gibi çalışma zamanı korumaları, AI-BOM'da ayrı bir bileşen olarak listelenir; böylece bir olay sonrası "o an hangi koruma aktifti?" sorusu yanıtlanabilir.

AI-BOM'u envanter disiplininin bir parçası olarak konumlandırmak, model varlıklarının güvenlik sınırlarını netleştirir; bu bakış açısını yapay zeka mühendisliğinde envanter ve güvenlik sınırları yazısında bütünsel olarak ele aldık.

Yaygın Hatalar ve Kapanış

AI-BOM uygulamasında en sık karşılaşılan tuzaklar şunlardır:

• Yalnızca temel modeli listelemek: Asıl risk çoğu zaman adapter/LoRA katmanları ve ince ayar verisindedir. Temel modeli kaydedip türetilmiş katmanları atlamak, envanteri yanıltıcı kılar.
• Veri seti soy ağacını atlamak: Bir modelin çıktısı, eğitildiği veri kadar güvenilirdir. Veri kaynağını belgelemeyen bir AI-BOM, zehirlenmiş veri senaryosunda hiçbir işe yaramaz.
• Yerel mevzuat kolonlarını unutmak: İngilizce bir şablonu olduğu gibi kopyalamak, KVKK ve 7545 kolonlarının eksik kalmasına yol açar — ve denetim anında bu eksik ortaya çıkar.
• Envanteri statik bırakmak: Bir kez üretilip güncellenmeyen AI-BOM, üretimdeki gerçek durumu yansıtmadığı için yanlış güven verir.

Özetle: AI-BOM, yapay zeka sistemlerinizin tedarik zincirini görünür kılan, düzenleyici uyumu belgeleyen ve olay müdahalesini hızlandıran temel bir envanter disiplinidir. CycloneDX ML-BOM sağlam bir uluslararası temel sunar; Türkiye'de faaliyet gösteren kurumların ise bunu KVKK Madde 9 ve 7545 kolonlarıyla tamamlaması gerekir. AltaySec'in KVKK yapay zeka uyum kiti ve EU AI Act teknik kontrol listesi çalışmaları, bu envanteri kurumsal uyum sürecine bağlamak için tasarlanmıştır.

Kaynaklar

• CycloneDX Machine Learning Bill of Materials (ML-BOM)
• ECMA-424: CycloneDX Bill of Materials Specification
• EU AI Act — Article 11: Technical Documentation
• EU AI Act — Annex IV: Technical Documentation
• OWASP CycloneDX — Authoritative Guide to SBOM/ML-BOM
• KVKK — 6698 Sayılı Kanun Madde 9 (Yurt Dışına Aktarım)

İlgili Yazılar

• Model İmzalama ve Provenance
• Hugging Face Model Hub Tedarik Zinciri Riskleri
• EU AI Act Uyum Rehberi
• Yapay Zeka Mühendisliğinde Envanter ve Güvenlik Sınırları