Modèles
OpenAI · Anthropic · HuggingFace · GGUF local
openai/gpt-4o-minisrc/lib/chat.ts:23gouvernémeta-llama/Llama-3.1-8Bmodels/local.ggufnon déclaréanthropic/claude-3-7-sonnetapps/agent/index.ts:11gouverné
Nous utilisons des cookies d'analyse et de mesure publicitaire (Google, Meta). Rien n'est vendu, et vous pouvez refuser.
Un scan, sans questionnaire. Chaque modèle, jeu de données, prompt, agent, serveur MCP et garde-fou catalogué.
Six catégories, chaque élément rattaché à un fichier et une ligne, signalé quand il manque une fiche modèle, une licence ou un périmètre.
OpenAI · Anthropic · HuggingFace · GGUF local
openai/gpt-4o-minisrc/lib/chat.ts:23gouvernémeta-llama/Llama-3.1-8Bmodels/local.ggufnon déclaréanthropic/claude-3-7-sonnetapps/agent/index.ts:11gouvernéentraînement, fine-tuning, évaluation, corpus RAG
wikipedia-en-2024notebooks/finetune.ipynbgouvernécustomer_chats_v2data/training.parquetnon déclaréhf://glaive/code-instructscripts/data.py:8gouvernétemplates système + utilisateur versionnés
chat-system@v3prompts/system.mdgouvernéextract-piilib/pii.ts:17dérivetriage-flow@v7agents/triage.yamlgouvernéReAct · LangChain · LlamaIndex · CrewAI
LangChain ReActapps/agent/main.pygouvernéLlamaIndex query engineapps/rag/server.tsnon déclaréHôte MCP maisonservices/mcp-host/gouvernéoutils que les agents appellent
mcp://github.local:7001agents/.mcp.jsongouvernémcp://internal-tools.cybeapps/agent/mcp.tomlgouvernémcp://prod-postgresinfra/mcp.ts:42non déclaréLlama Guard · Guardrails AI · NeMo
Llama Guard 3 8Binfra/guardrails.ts:9gouvernéGuardrails AI · OutputParserlib/safety.ts:14gouverné(aucun)apps/legacy-agent/absentUn rapport par scan, aligné sur le règlement (UE) 2024/1689, prêt pour le juridique et votre auditeur.
Un ou plusieurs composants interdits ou à haut risque détectés. Voir le §4 : ces composants exigent une action avant déploiement.
| Composant | Type | Risque |
|---|---|---|
acme/behavioral-social-scor-v2 | Modèle ML | Interdit |
acme/credit-scorer-v2 | Modèle ML | Haut risque |
acme/customer-chatbot-v4 | Modèle ML | Limité |
openai/gpt-4o-mini | Modèle ML | Minimal |
anthropic/claude-sonnet-4-5 | Modèle ML | Minimal |
+166 autres composants dans le rapport complet
Ajoutez la cybedefend-action à votre workflow GitHub, ou appelez la CLI CybeDefend depuis n'importe quel autre pipeline.
- name: CybeDefend Security Scan
uses: CybeDefend/cybedefend-action@v2
with:
pat: ${{ secrets.CYBEDEFEND_PAT }}
project_id: ${{ secrets.CYBEDEFEND_PROJECT_ID }}
branch: ${{ github.ref_name }}
break_on_severity: highChaque modèle, jeu de données, prompt, agent, serveur MCP et garde-fou détecté automatiquement.
Chaque section de l'Annexe IV a sa règle de génération. La documentation de l'Article 11 passe d'un projet trimestriel à un artefact de CI.
Chaque composant est étiqueté selon les fonctions Govern / Map / Measure / Manage.
La documentation détaille l'installation, la configuration et chaque option.
Lire la documentationen anglaisPlatform Overview / Key Features
AI-BOM & EU AI Act Compliance
Ce qui est détecté et comment, l'inventaire, les catégories de risque de l'AI Act et le rapport de conformité.
Les modèles référencés par nom (identifiants HuggingFace, noms de modèles OpenAI / Anthropic / Google, poids locaux .gguf / .onnx), les jeux de données référencés dans le code ou la configuration, les prompts versionnés livrés dans le dépôt, les URL des serveurs MCP utilisés par vos agents, les graphes LangChain et LlamaIndex, les frameworks d'orchestration d'agents (Semantic Kernel, AutoGen, CrewAI, ReAct maison) et les bibliothèques de garde-fous utilisées (Llama Guard, NeMo, Guardrails AI). Chaque élément entre dans l'inventaire avec son emplacement dans le code, sa version et une classification heuristique.
L'Article 11 et l'Annexe IV de l'EU AI Act exigent un dossier de documentation technique pour les systèmes d'IA à haut risque avant leur mise sur le marché européen. Ce dossier énumère les modèles, les sources de données d'entraînement, l'usage prévu, les métriques de performance et les mesures de gestion du risque. AI-BOM produit ces preuves dans un format lisible par machine : la documentation devient un simple export, et non plus un projet trimestriel.
Ajoutez la cybedefend-action à votre workflow GitHub, ou appelez la CLI CybeDefend depuis n'importe quel autre pipeline (GitLab CI, Jenkinsfile, Tekton). Le scan tourne à chaque push, le rapport est publié comme artefact de build, et le contrôle renvoie un code d'erreur quand un nouveau composant interdit ou à haut risque arrive sans documentation de gouvernance.
Le SBOM liste les composants logiciels et leurs CVE. L'AI-BOM liste les composants IA et leurs aspects de gouvernance propres : origine des données d'entraînement, historique de fine-tuning, versions de prompts, périmètre des capacités des agents, couverture des garde-fous, risque résiduel. Les deux sont complémentaires ; CybeDefend produit les deux, et la sortie AI-BOM s'exporte aussi en CycloneDX pour s'intégrer à vos outils SBOM existants.
Non. Le scan lit votre dépôt et produit un inventaire structuré ; le code source ne quitte pas votre environnement. Le dashboard, facultatif, ne reçoit que des métadonnées (noms de composants, versions, classification de risque), jamais le code brut ni le contenu des prompts.
Premier scan gratuit. Sans carte bancaire.