DEEPBOM

DEEPBOM

DEEPBOM は、デプロイ済み AI モデルのアーティファクトを対象とするローカル静的解析ツールです。モデルデータをアップロードすることなく、シリアライズされたグラフ、テンソル、量子化、メモリ、互換性、および ML-BOM の証拠を監査します。

複数形式のアーティファクト証拠の生成、外部インターフェースの契約検証、および範囲を限定した BOM とアーティファクトの照合を行います。公式のリファレンス実装でも、完全な BOM バリデーターでも、規制コンプライアンス検証ツールでもありません。

公開ソース配布版は、TFLite、ONNX、GGUF、SafeTensors、Core ML、および範囲を限定した ExecuTorch アーティファクトに対応しています。検出結果では、観測・導出されたアーティファクトの事実と、予測された互換性、インポートされたランタイム証拠、静的には評価できない値を区別します。

Evidence IR

DEEPBOM Evidence IR は、Artifact IR、Model IR、任意の Weight IR、Activation IR、Training IR、Snapshot IR、Provenance IR からなる共通の表現群です。ドラフト仕様には、生成されたスキーマカタログ、互換性チェック、および公開メンテナンスルールが含まれています。

input → IR → output のマッピングを検索するか、同じバージョン管理されたカタログを GitHub で確認してください。これは DEEPBOM がメンテナンスする仕様であり、外部標準として承認されたものではありません。アーティファクトのメタデータ経路では、deepbom.provenance_ir.v1 とその provenance_ir セレクターが引き続き使用されます。追加のSnapshot ワークフローでは、ネイティブ状態、データセットリリース、構成に対して、型付きの deepbom.provenance_ir.v2 参照を使用します。既存のドキュメントハッシュは維持されます。廃止された名前は引き続きサポート対象外です。移行ルールを参照してください。

モデル変更のレビューには、合成データによる2つの母集団の例とブラウザーでの証拠レビューを使用してください。Web、CLI、Node/Python SDK、ローカル MCP は、同じチェックを使用します。外部測定値は引き続き外部証拠です。基準を満たしていても、臨床的な適合性が確立されるわけではありません。

クイックスタート

エクスポートパイプライン、実験追跡、リリースチェックについては、新しいNode/TypeScript および Python SDK の契約と実行可能な3つの統合例を参照してください。対応 SDK は DEEPBOM 2.1.0 から利用できます。それ以前の npm 2.0.0 パッケージには、このエントリーポイントは含まれていません。npm install [email protected] でインストールしてください。

リポジトリをクローンせずに公開 CLI を実行します（Node.js 20 以降）。

npx deepbom audit "https://raw.githubusercontent.com/JunHwan-Kwon/deepbom/main/web/samples/gpu_partition_probe.onnx#sha256=82a2feef00eb6ab03d82f2b30cd17f4d826e2d8307cb059eccd6a0f3120059b2"

固定された期待値と独立した検証ツールは、examples/expected-outputにあります。ソースからビルドするには Rust が必要です。また、Python チャネルでは Python 3.9 以降が必要です。メンテナー向けのセットアップ方法は、以下に別途記載しています。

アシスタントとの連携

管理対象ファイルをプレビューしてから、リポジトリローカルの Agent Skill をインストールします。

npx -y [email protected] integrate codex
npx -y [email protected] integrate codex --apply
npx -y [email protected] integrate claude-code
npx -y [email protected] integrate claude-code --apply

この Skill により、ローカルエージェントは、対応するデプロイ用アーティファクトに関する質問に対して、契約に適合するアナライザーを選択できます。ホスト型の解析サーバーを作成したり、呼び出したりすることはありません。エージェントのセットアップガイド、機械可読な機能契約、およびエンジン、Agent、証拠の独立したバージョンポリシーを参照してください。

インストールされた Skill は、最初に DEEPBOM_BIN、パッケージに同梱されたアナライザー、PATH 上にすでに存在する deepbom の順に確認します。宣言された deepbom.agent_contract.v2 と証拠契約が一致し、セルフテストによって正確な観測済みエンジンバージョンが確認された場合にのみ、ランタイムを受け入れます。--allow-download が明示的に指定されていない限り、検証ツールは npm に接続しません。これにより、レジストリの参照がブロックされた場合に、アーティファクトの解析に失敗したと誤認するのを防ぎます。

永続的なツール呼び出しを利用するには、同じローカルアナライザーを stdio 経由で MCP サーバーとして実行します。

npx -y [email protected] mcp

deepbom_capabilities、deepbom_audit、deepbom_diff、deepbom_explain_rule を公開します。アーティファクトのバイト列をアップロードしたり、ホスト型の分析エンドポイントを使用したりすることはありません。監査呼び出しは、既定で長さに上限のある人間向けの要約を返します。詳細な形式や大規模モデルのスキャン深度は明示的に指定します。ローカルパスへのアクセスは、DEEPBOM_MCP_ALLOWED_ROOTS が設定されていない限り、起動ディレクトリ内に制限されます。エージェント向けの使用ガイダンスはDEEPBOM スキルをご覧ください。Claude Desktop のユーザーは、対応する GitHub Release からバージョンが一致する deepbom-2.5.0.mcpb アセットをインストールすることもできます。このバンドルには npm チャネルと同じ CLI および WASM のバイト列が含まれており、読み取りを許可する唯一のローカルディレクトリをユーザーが選択するよう求めます。

ChatGPT で単一の添付ファイルを使用するには、別途、範囲が制限された Streamable HTTP エンドポイント https://deepbom.org/mcp に接続してください。ブラウザーコンポーネントは ChatGPT のサンドボックス内で分析を実行し、範囲が制限され、ハッシュに紐づけられた結果を返します。DEEPBOM サービスはモデルのバイト列を取得も保持もしません。この経路は開発者モードでの審査に対応していますが、ChatGPT の一般公開ディレクトリへの掲載は OpenAI の審査待ちです。ChatGPT 統合ガイドをご覧ください。機密性の高いアーティファクトや大規模なアーティファクト、パッケージおよびサイドカーの依存関係の完全な把握、完全なエクスポート、反復的な自動化には、ローカル CLI または stdio MCP を使用してください。

リモート MCP Apps に対応する Claude ホストで非公開のテストを行うには、別途 https://deepbom.org/mcp/claude コネクターを追加してください。MCP App 内に明示的なファイルピッカーが開き、Claude の添付ファイルを自動的に読み取ることはありません。選択したバイト列はブラウザーのサンドボックス内に留まり、範囲が制限された結果が会話に返されます。Claude の一般公開ディレクトリへの掲載は Anthropic の審査待ちです。Claude 統合ガイドをご覧ください。派生したモデルの情報もローカルに保持する必要がある場合は、ローカルの MCPB または CLI を使用してください。

リポジトリのルートも、ポータブルな Agent Plugins パッケージとして使用できます。plugin.json は Skill を識別し、mcp.json は範囲が制限された ChatGPT 添付ファイル用エンドポイントを宣言します。.codex-plugin/ 内の互換性マニフェストには、ポータブル形式に移行していないクライアント向けに同じ識別情報が含まれています。これらのファイルはインストールと審査に備えるものであり、公開ディレクトリへの掲載やプラットフォームの承認を意味するものではありません。

アカウント所有者が行う ChatGPT、Claude、Codex、検索インデックス作成の手順は、エージェント配布の運用チェックリストにまとめています。

コード中心のモデル開発を始めるには、Python 候補ループをご覧ください。ここでは同梱されているネイティブ API を使用し、学習可能なモデルのワークフローと、ブラウザー上の Structure IDE によるソースに紐づいたグラフ提案を区別します。

検証済みの 2.4.0 リリースチャネルでは、同じ分析実装を利用できます。npm と以下の Linux x86-64 リリースホイールは公開済みです。他のネイティブプラットフォームおよびレジストリチャネルには、それぞれ個別のリリース検証が必要です。

npx [email protected] audit model.onnx --format cyclonedx
npx [email protected] audit model.onnx --format sarif --output deepbom.sarif --gate defects
deepbom capabilities --compact
deepbom self-test
deepbom audit model.onnx --list-sections --compact
deepbom audit model.onnx --section quantization,memory --compact
deepbom explain-rule onnx.conv.output-shape
python -m pip install 'deepbom @ https://github.com/JunHwan-Kwon/deepbom/releases/download/channels-v2.4.0/deepbom-2.4.0-py3-none-linux_x86_64.whl'
deepbom audit model.gguf --compact
deepbom verify model.tflite --contract production-interface.json
deepbom verify model.onnx --bom supplied.cdx.json --render markdown
deepbom contract capture model.onnx -o baseline.interface-contract.json
deepbom diff baseline.gguf candidate.gguf --tensors --render markdown
deepbom capabilities --format agent-text
deepbom explore model.tflite
deepbom placement model.tflite --profiles xnnpack_cpu,tflite_coreml_delegate,litert_qualcomm_qnn
deepbom graph model.onnx --format json --output artifact-graph.json
deepbom audit model.onnx --section model_ir --compact
deepbom visualize model.onnx --view all --orientation portrait -o model-views.zip
deepbom model-summary model.onnx --format table
deepbom model-summary model.gguf --level storage --format markdown
deepbom audit model.onnx --conversion-receipt conversion-receipt.json --format cyclonedx

既定では、ターミナルに収まるサイズのエビデンス要約を出力します。--json と --compact では、すべての形式のエビデンスを出力できます。--format envelope は、形式をまたいで共通する標準的なコントラクトを提供します。CycloneDX 1.7 と OASIS SARIF 2.1.0 は標準的な投影形式です。--fail-on を選択すると、--policy-output によってハッシュに紐づけられたゲート結果が記録されます。--review-policy は、ID の範囲を限定した有効期限付きの例外を追加し、実行、カバレッジ、検出結果のポリシー状態を独立して保持します。docs/CLI_AUTOMATION.mdをご覧ください。すべてのオプションの一覧は、実行可能ファイルから生成されます。詳しくはdocs/CLI_REFERENCE.mdをご覧ください。

CycloneDX 1.7 の利用者は、分析対象のモデルを metadata.component から、追加のインベントリメンバーを components[] から読み取ってください。DEEPBOM は BOM ルートを追加コンポーネントの配列に重複して格納しません。 グラフ JSON 出力には、エビデンスを保持する deepbom.artifact_ir.v2 台帳と、決定論的な deepbom.graph_ir.v1 可視化互換プロジェクションが含まれます。シリアライズ済みグラフ、ストレージトポロジー、アーキテクチャのグループ化、スコープ付き量子化、静的配置、インポートされたランタイムエビデンスは、それぞれ独立したまま維持されます。メソッド 2.2.0 は、宣言されたコンバーターの実行を観測済みエビデンスに昇格させることなく、任意の出力バインド型変換レシートも保持します。デコードされた TFLite サブグラフ、ONNX のネストされたグラフ／ローカル関数、ExecuTorch のプライマリプランを、条件付きスコープを平坦化せずに正確に実体化します。ランタイムノードの融合は、アーティファクトにバインドされた対象参照またはプライマリのネイティブ op インデックスからのみ照合されます。名前を推測することはありません。従来のコンシューマー向けに、graph_ir.v1 はプライマリスコープのみを対象とします。v2 JSON Schema は docs/schemas/deepbom-artifact-ir-v2.schema.json および https://deepbom.org/schemas/deepbom-artifact-ir-v2.schema.json で公開されています。変換レシートのスキーマは docs/schemas/deepbom-conversion-receipt-v1.schema.json で公開されています。

追加のプレビュー版 deepbom.model_ir.v1 は、凍結されたこれらのアーティファクトの事実を、形式に依存しないプログラム、論理値、ストレージ、バインディング、量子化、アーキテクチャ、静的／ランタイムエビデンスの語彙にプロジェクションします。ソース順、依存関係順、決定論的な表示順、観測されたランタイム順を、それぞれ異なるフィールドとして保持します。visualize はこの IR のみを使用し、決定論的なモノクロ ISO A4 SVG ページ、300 DPI の白黒 PNG 派生ファイル、キャプションのサイドカー、Word 挿入マニフェストを作成します。これらは追跡可能なエンジニアリング文書であり、規格適合性や規制当局の承認を判定するものではありません。詳しくは docs/MODEL_IR_V1.md を参照してください。

model-summary は、サポートされているすべてのアダプターで共有される、Keras summary に似たプロジェクションです。シリアライズ済みプログラムが存在する場合は演算行を、グラフのない重みコンテナーの場合はストレージ行を出力し、安全なエンベロープの場合は ID のみの結果を明示します。シリアライズ済み定数を学習可能なパラメーターに読み替えたり、決定論的な表示順を観測されたランタイム順に読み替えたりすることはありません。JSON コンシューマーは、docs/schemas/deepbom-model-summary-v1.schema.json で公開されている deepbom.model_summary.v1 を利用できます。

公開製品の出力には CycloneDX 1.7 を使用します。

verify は、シリアライズされた外部テンソル ABI と、指定されたアーティファクトバインド型の本番環境宣言を比較します。diff は、正規の決定論的なマルチターゲット TFLite デプロイ差分台帳を使用します。explore は、学習済みモデルの精度を主張することなく、既存の WASM 再設計パレート探索を公開します。厳密なカスタム TFLite ターゲットは --target-profile profile.json でバインドできます。CLI は、ソースファイルの SHA-256 と解決済み Rust プロファイルの SHA-256 の両方を記録します。アクセラレーターのエビデンスは、この CPU コストプロファイルとは別個に扱われます。ソースに固定された TFLite Core ML および LiteRT Qualcomm QNN プロファイル、Core ML MLComputePlan、Edge TPU と Qualcomm のコンパイラーレポート、TensorRT のパーサー／エンジンエビデンス、NVIDIA ホストプロファイルは、静的エビデンスやコンパイル済みエビデンスを観測済み実行に昇格させることなく、共通の段階的バインディングを使用します。placement は、利用可能なあらゆるプロファイルを、バックエンドの優先順位を捏造することなく、保存された単一のグラフ台帳上で比較します。

Cargo ランチャーは、対応する不変の GitHub Release から、パッケージの正確なバージョンとプラットフォームに一致するエンジンのみをダウンロードします。キャッシュまたは実行の前に、リリースマトリックス、バイト長、SHA-256 ダイジェストを検証します。

npm、スタンドアロン、Python、Cargo のランチャーチャネルをビルドします。

npm run build:channels
npm run check:public-package-boundary
npm run check:channels -- --no-build

公開されている正確性ゲートを実行します。

npm run check:cli
npm run check:cli-docs
npm run check:cli-automation
npm run check:formats
npm run check:rust

ブラウザーワークベンチは deepbom.org で利用できます。

エビデンスのスコープ

フォーマットの成熟度

対応している拡張子が、同等の分析深度を意味するわけではありません。TFLite と ONNX には、安定した実行可能グラフの契約があります。GGUF と SafeTensors には、安定したコンテナ、ストレージ、アーキテクチャの契約がありますが、実行可能グラフはシリアライズされません。Core ML と ExecuTorch の分析は、プレビュー段階であり、フィクスチャの範囲に限定されています。各フォーマットのパーサー、グラフ、量子化、配置の正確なステータスは、public_product_contracts の deepbom capabilities --compact で確認できます。

フォーマット	公開されている静的な証拠
TFLite	FlatBuffer のグラフとテンソルの契約、量子化演算、重みの整合性、メモリ予測、アキュムレーターの証明、再設計候補、ソースに基づくデリゲーション予測
ONNX	Protobuf のグラフ、初期化子と外部データの契約、シンボリック形状推論、演算コスト、Q/DQ とアフィン量子化、プロバイダー互換性を示す証拠エンベロープ
GGUF	コンテナとテンソルディレクトリの整合性、量子化エンコーディングの一覧、アーキテクチャのメタデータ、範囲を限定した LLM メモリシナリオ
SafeTensors	テンソルディレクトリとシャーディングの整合性、構成に基づくアーキテクチャの契約、AWQ/GPTQ/HQQ/compressed-tensors のメタデータ、範囲を限定した LLM メモリシナリオ
Core ML	NeuralNetwork と ML Program のシリアライズ済みグラフ、テンソル／重みのエンコーディング、デプロイの下限、インポートされたコンピュートプランの証拠範囲
ExecuTorch	範囲を限定した ET12/FT01 プラン、ソースに基づくポータブルな呼び出しと処理済みペイロードの識別情報、さらに任意で選択したビルド／バックエンド／オペレーター／バイナリの証明。実行は引き続き外部で行われます
GraphDef / SavedModel	範囲を限定したシリアライズ済みノード、データ／制御の依存関係、最初の MetaGraph における SignatureDef のテンソル契約、ハッシュに基づくパッケージ構成。グラフは実行されません
Keras / PT2	オブジェクトの構築、pickle の読み込み、ローワリング、ネイティブコード、実行時の順序に関する主張を伴わない、範囲を限定した宣言型の構成／JSON 依存関係グラフ
HDF5 / PyTorch checkpoint	安全なエンベロープ、アーカイブ、ストレージメンバー、pickle のリスクの一覧のみ。オブジェクトグラフや実行可能モデルに関する主張はありません

静的な互換性から、実際に観測された実行プロバイダーの割り当て、デバイスのレイテンシー、タスクの精度、臨床的妥当性、リリース準備状況が確立されるわけではありません。実行時に関する主張には、識別情報に紐付けられたランタイムキャプチャが必要です。

フォーマットとアクセラレーターの詳細な境界は、 docs/SUPPORT_MATRIX.md で管理されています。モデルのバイトデータを共有せずにバグを報告するには、 docs/MODEL_FREE_BUG_REPORTING.md をご覧ください。

配布の境界

このリポジトリは、厳密に審査された許可リストから生成されています。非公開のルールパック生成ツール、ホスト型サービスのインフラストラクチャ、未リリースの研究モジュールは含まれていません。強制可能な境界とエクスポートの検証方法については、 docs/PUBLIC_PRIVATE_BOUNDARY.md に記載されています。

ライセンスと引用

公開ソースとリリースチャンネルのパッケージは、Apache License 2.0 の下でライセンスされています。サードパーティのモデルアーティファクトには、それぞれ宣言されたライセンスが適用されます。

引用する場合は、以下をご利用ください。

Kwon, J. (2026). DEEPBOM: Browser-Native Static Analysis of On-Device Neural Network Deployment Artifacts [Computer software]. Zenodo. https://doi.org/10.5281/zenodo.21834508

オプションのメタデータとOMOP接続

モデルを検査した後、deepbom audit model.onnx --metadata-template omop -o metadata.json でモデルに紐付いた入力を作成します。選択したOMOP 5.4/5.5のCDM_SOURCE行と、機関・リリース識別子を入力してから、--metadata metadata.json --evidence-files ./evidence --section provenance_ir --jsonを使用します。汎用テンプレートを使うと、同じIRを介してOMOP以外のデータセット、コホート、コード、実行、レポートを接続できます。

Webのメタデータワークスペースでは、インポート、レコード作成、インタラクティブな関係図の表示、JSON/CycloneDXのダウンロードができます。ローカルのMCP deepbom_auditは、metadata_template、metadata、evidence_filesを受け付けます。ChatGPT/Claudeウィジェットが共有するのは、明示的にリクエストされた件数とダイジェストのみです。接続は宣言にとどまります。ファイルハッシュと参照の整合性は、来歴や臨床的な適合性を証明するものではありません。OMOPガイドと共通IRコントラクトをご覧ください。