Lab 7: AI 모델 공급망 보안 점검

pip install pip-audit cyclonedx-bom scikit-learn joblib

# train_model.py
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
import joblib

X, y = load_iris(return_X_y=True)
model = LogisticRegression(max_iter=200).fit(X, y)
joblib.dump(model, "model.joblib")
print("모델 저장 완료: model.joblib")

python train_model.py

# 현재 가상환경에 설치된 패키지 전체를 점검
pip-audit

# requirements.txt 기준으로 점검하고 싶다면
pip freeze > requirements.txt
pip-audit -r requirements.txt

# CycloneDX 형식의 SBOM을 JSON으로 생성
cyclonedx-py environment -o sbom.json

# 생성된 SBOM의 구성요소 개수와 상위 5개 확인
python3 - <<'EOF'
import json
sbom = json.load(open("sbom.json"))
components = sbom.get("components", [])
print(f"총 구성요소 수: {len(components)}")
for c in components[:5]:
    print(f"- {c['name']} {c.get('version', '?')}")
EOF

# macOS
shasum -a 256 model.joblib

# Linux
sha256sum model.joblib

# provenance.py — 최소한의 출처 기록을 JSON으로 생성
import hashlib
import json
import datetime
import sklearn

def sha256_of(path):
    h = hashlib.sha256()
    with open(path, "rb") as f:
        for chunk in iter(lambda: f.read(8192), b""):
            h.update(chunk)
    return h.hexdigest()

provenance = {
    "artifact": "model.joblib",
    "sha256": sha256_of("model.joblib"),
    "created_at": datetime.datetime.utcnow().isoformat() + "Z",
    "training_script": "train_model.py",
    "training_dataset": "sklearn.datasets.load_iris (built-in)",
    "framework": f"scikit-learn=={sklearn.__version__}",
}

with open("provenance.json", "w") as f:
    json.dump(provenance, f, indent=2)

print(json.dumps(provenance, indent=2))

python provenance.py

# model-card.yaml
model_name: iris-logistic-regression
version: "1.0.0"
description: >
  scikit-learn LogisticRegression 기반 Iris 품종 분류 모델.
  Lab 4(모델 서빙 보안) 및 Lab 7(공급망 보안 점검) 실습용으로 제작됨.

provenance:
  training_script: train_model.py
  training_dataset: sklearn.datasets.load_iris (내장 데이터셋, 150개 샘플)
  framework: "scikit-learn (provenance.json 참조)"
  artifact_sha256: "<provenance.json의 sha256 값을 붙여넣기>"

dependencies:
  sbom_file: sbom.json
  pip_audit_result: "<1단계 pip-audit 실행 결과 요약 — 예: 'No known vulnerabilities found'>"

intended_use:
  - "Iris 꽃의 4가지 측정값(sepal/petal 길이·너비)으로 품종(3종) 분류"
  - "교육/실습용 — 프로덕션 의사결정에 사용하지 않음"

known_limitations:
  - "학습 데이터(Iris)가 150개 샘플로 매우 작아 실제 분류 성능을 대표하지 않음"
  - "입력 피처의 단위/범위가 학습 데이터와 다르면 예측이 무의미함"
  - "시드 미고정으로 재학습 시 가중치가 달라질 수 있음 (재현성 낮음)"

security_notes:
  - "모델 파일은 joblib(pickle 기반) 형식 — 신뢰할 수 없는 출처의 .joblib 파일은 로드하지 말 것"
  - "artifact_sha256과 실제 파일의 해시가 일치하는지 배포 전 반드시 확인"