|
| 1 | +--- |
| 2 | +title: '7. AI 컴플라이언스' |
| 3 | +linkTitle: '7. AI 컴플라이언스' |
| 4 | +weight: 70 |
| 5 | +type: docs |
| 6 | +categories: ['guide'] |
| 7 | +tags: ['AI 컴플라이언스', 'ISO/IEC 42001', 'AI SBOM', 'AI 공급망'] |
| 8 | +description: > |
| 9 | + AI 시스템을 개발·운영하는 기업이 오픈소스 관점에서 고려해야 할 AI 컴플라이언스 요소를 설명한다. |
| 10 | + ISO/IEC 42001 AI 관리 시스템 표준의 오픈소스 교차 요구사항을 중심으로 안내한다. |
| 11 | +--- |
| 12 | + |
| 13 | +AI 시스템은 오픈소스 프레임워크, 사전 훈련된 모델, 오픈 데이터셋을 광범위하게 활용한다. |
| 14 | +오픈소스 관리 체계(ISO/IEC 5230 · 18974)를 운영하는 기업은 AI 시스템 개발 단계에서도 |
| 15 | +오픈소스 컴플라이언스 원칙을 적용해야 한다. |
| 16 | + |
| 17 | +ISO/IEC 42001(AI 관리 시스템)은 AI 거버넌스 전반을 다루며, 그 중 일부 조항이 |
| 18 | +오픈소스 관리와 직접 교차한다. 이 섹션은 그 교차점을 실무 관점에서 정리한다. |
| 19 | + |
| 20 | +--- |
| 21 | + |
| 22 | +## AI 시스템에서 오픈소스가 사용되는 세 가지 영역 |
| 23 | + |
| 24 | +``` |
| 25 | +AI 시스템 |
| 26 | + ├── 1. AI 프레임워크 · 라이브러리 |
| 27 | + │ (PyTorch, TensorFlow, Hugging Face Transformers, LangChain 등) |
| 28 | + │ → 일반 오픈소스 라이선스 컴플라이언스 적용 |
| 29 | + │ |
| 30 | + ├── 2. 사전 훈련 모델 (Pre-trained Model) |
| 31 | + │ (Llama, Mistral, Falcon, BERT 등) |
| 32 | + │ → 모델별 커스텀 라이선스 확인 필요 |
| 33 | + │ |
| 34 | + └── 3. 학습 데이터셋 |
| 35 | + (Common Crawl, Wikipedia, CC-BY 데이터셋 등) |
| 36 | + → 오픈 데이터 라이선스 의무 이행 |
| 37 | +``` |
| 38 | + |
| 39 | +각 영역별로 기존 오픈소스 컴플라이언스 프로세스와 다른 지점이 있으므로 아래를 참고한다. |
| 40 | + |
| 41 | +--- |
| 42 | + |
| 43 | +## 1. AI 프레임워크 · 라이브러리 관리 |
| 44 | + |
| 45 | +AI 개발에 사용하는 오픈소스 프레임워크와 라이브러리는 일반 소프트웨어와 동일하게 |
| 46 | +ISO/IEC 5230의 오픈소스 관리 프로세스를 적용한다. |
| 47 | + |
| 48 | +### 주요 AI 프레임워크 라이선스 |
| 49 | + |
| 50 | +| 프레임워크 | 라이선스 | 상업적 사용 | 주요 의무 | |
| 51 | +| ------------------------- | ------------ | :---------: | ---------------------- | |
| 52 | +| PyTorch | BSD 3-Clause | ✅ 가능 | 저작권 표시 | |
| 53 | +| TensorFlow | Apache 2.0 | ✅ 가능 | 저작권 표시, 변경 고지 | |
| 54 | +| Hugging Face Transformers | Apache 2.0 | ✅ 가능 | 저작권 표시 | |
| 55 | +| LangChain | MIT | ✅ 가능 | 저작권 표시 | |
| 56 | +| scikit-learn | BSD 3-Clause | ✅ 가능 | 저작권 표시 | |
| 57 | + |
| 58 | +### 체크포인트 |
| 59 | + |
| 60 | +{{% alert title="ISO/IEC 5230 · 18974 적용" color="success" %}} |
| 61 | + |
| 62 | +- SBOM에 모든 AI 프레임워크·라이브러리와 버전을 포함한다 |
| 63 | +- 각 프레임워크의 라이선스 의무(저작권 고지, 변경 고지 등)를 이행한다 |
| 64 | +- FOSSology, FOSSLight 등 기존 스캔 도구로 AI 코드 저장소도 분석한다 |
| 65 | + {{% /alert %}} |
| 66 | + |
| 67 | +--- |
| 68 | + |
| 69 | +## 2. 사전 훈련 모델 (Pre-trained Model) 관리 |
| 70 | + |
| 71 | +사전 훈련 모델은 일반 오픈소스 라이브러리와 다른 **커스텀 라이선스**를 사용하는 경우가 많다. |
| 72 | +특히 상업적 사용 제한이나 파생 모델 공개 의무를 포함하는 경우가 있어 주의가 필요하다. |
| 73 | + |
| 74 | +### 주요 오픈소스 AI 모델 라이선스 유형 |
| 75 | + |
| 76 | +| 라이선스 유형 | 대표 모델 | 상업적 사용 | 파생 모델 공개 | |
| 77 | +| ----------------------- | ------------------ | :------------------------: | :--------------: | |
| 78 | +| Apache 2.0 | Falcon, Mistral 7B | ✅ 가능 | ❌ 불필요 | |
| 79 | +| MIT | GPT-2, GPT-J | ✅ 가능 | ❌ 불필요 | |
| 80 | +| Llama Community License | Llama 3 | 조건부 (MAU 7억 이하 무료) | ❌ 불필요 | |
| 81 | +| CC-BY 4.0 | 일부 학술 모델 | ✅ 가능 | 저작자 표시 필요 | |
| 82 | +| CC-BY-NC | 일부 연구 모델 | ❌ 비상업적 한정 | — | |
| 83 | + |
| 84 | +{{% alert title="주의: 모델 라이선스는 개별 확인 필수" color="warning" %}} |
| 85 | +AI 모델 라이선스는 표준화되지 않아 모델마다 조건이 다르다. |
| 86 | +Hugging Face 모델 허브 등에서 모델 카드(Model Card)와 라이선스를 반드시 직접 확인해야 한다. |
| 87 | +특히 다음 사항을 검토한다: |
| 88 | + |
| 89 | +- 상업적 사용 허용 여부 |
| 90 | +- 사용자 수(MAU) 또는 매출 기반 제한 조건 |
| 91 | +- 파생 모델(Fine-tuning) 공개 의무 |
| 92 | +- AI 시스템에 사용한 모델 명시 의무 |
| 93 | + {{% /alert %}} |
| 94 | + |
| 95 | +### AI SBOM에 모델 정보 포함 |
| 96 | + |
| 97 | +SBOM(소프트웨어 구성 목록)에 사전 훈련 모델을 포함하는 **AI SBOM**을 구성한다. |
| 98 | + |
| 99 | +```yaml |
| 100 | +# AI SBOM 모델 항목 예시 (SPDX 3.0 AI Profile 기반) |
| 101 | +- name: 'meta-llama/Llama-3.1-8B' |
| 102 | + version: '3.1' |
| 103 | + license: 'Llama Community License Agreement' |
| 104 | + primaryPurpose: 'inference' |
| 105 | + hyperparameter: |
| 106 | + contextWindow: 131072 |
| 107 | + modelCard: 'https://huggingface.co/meta-llama/Llama-3.1-8B' |
| 108 | +``` |
| 109 | +
|
| 110 | +AI SBOM 구성 방법은 [AI SBOM 가이드](../../iso42001_guide/4-operation/2-ai-sbom/)를 참고한다. |
| 111 | +
|
| 112 | +--- |
| 113 | +
|
| 114 | +## 3. 학습 데이터셋 관리 |
| 115 | +
|
| 116 | +AI 모델 학습에 사용한 데이터셋에 오픈 데이터 또는 크리에이티브 커먼즈 라이선스가 |
| 117 | +적용된 경우 해당 라이선스 조건을 이행해야 한다. |
| 118 | +
|
| 119 | +### 오픈 데이터 라이선스 주요 유형 |
| 120 | +
|
| 121 | +| 라이선스 | 저작자 표시 | 상업적 사용 | 동일 조건 변경 허락 | |
| 122 | +| ------------ | :---------: | :--------------: | :-----------------: | |
| 123 | +| CC0 | ❌ 불필요 | ✅ 가능 | ❌ 불필요 | |
| 124 | +| CC-BY 4.0 | ✅ 필요 | ✅ 가능 | ❌ 불필요 | |
| 125 | +| CC-BY-SA 4.0 | ✅ 필요 | ✅ 가능 | ✅ 필요 | |
| 126 | +| CC-BY-NC 4.0 | ✅ 필요 | ❌ 비상업적 한정 | ❌ 불필요 | |
| 127 | +
|
| 128 | +### 체크포인트 |
| 129 | +
|
| 130 | +- AI SBOM에 학습 데이터셋과 라이선스를 기록한다 |
| 131 | +- CC-BY 계열 데이터 사용 시 모델 카드(Model Card) 또는 시스템 문서에 출처를 명시한다 |
| 132 | +- CC-BY-SA 조건의 데이터를 학습에 사용한 경우, 파생 모델의 라이선스 처리를 법무팀과 협의한다 |
| 133 | +
|
| 134 | +--- |
| 135 | +
|
| 136 | +## 4. ISO/IEC 42001과의 연계 |
| 137 | +
|
| 138 | +기업이 ISO/IEC 42001 AI 관리 시스템을 운영하거나 준비 중인 경우, |
| 139 | +다음 조항이 오픈소스 관리와 직접 연결된다. |
| 140 | +
|
| 141 | +| ISO 42001 조항 | 오픈소스 담당자 역할 | |
| 142 | +| --------------------- | ------------------------------------ | |
| 143 | +| §5.2 AI 정책 | AI 정책에 오픈소스 사용 원칙 포함 | |
| 144 | +| §6.1.2 AI 리스크 평가 | OSS 라이선스·취약점 리스크 식별·평가 | |
| 145 | +| §7.5 문서화 | AI SBOM 수립·유지 | |
| 146 | +| §8.5 AI 생애주기 | 개발 단계별 OSS 컴플라이언스 검토 | |
| 147 | +| §8.6 AI 데이터 | 데이터셋 라이선스 관리 | |
| 148 | +| §8.8 외부 AI 조달 | 외부 오픈소스 모델 공급망 검증 | |
| 149 | +
|
| 150 | +ISO/IEC 42001의 오픈소스 교차 요구사항 전체 가이드: **[ISO/IEC 42001 가이드](../../iso42001_guide/)** |
| 151 | +
|
| 152 | +--- |
| 153 | +
|
| 154 | +## 5. AI Work Group 산출물 활용 |
| 155 | +
|
| 156 | +OpenChain Korea Work Group의 AI Work Group은 AI SBOM 컴플라이언스 가이드를 개발했다. |
| 157 | +이 가이드는 AI 시스템의 구성 요소(모델, 데이터셋, 프레임워크)를 SPDX 3.0 AI 프로파일 |
| 158 | +형식으로 문서화하는 방법을 상세히 안내한다. |
| 159 | +
|
| 160 | +- AI Work Group 활동 및 가이드: **[리소스 — AI Work Group](../../../resource/AI_work_group/)** |
0 commit comments