Cisco pada Kamis meluncurkan AI Supply Chain Provenance Explorer, sebuah basis data publik gratis yang mencakup hampir 900 model AI terbuka. Setiap entri menyediakan informasi lokasi kantor pusat penyedia, graf keturunan berbasis fingerprinting, batasan lisensi, serta jumlah file yang telah dipindai. Alat ini memperluas Model Provenance Kit yang dirilis April lalu, yang pada awalnya hanya mampu memverifikasi 150 model dasar di 45 keluarga dan 20 penerbit — cakupannya tumbuh enam kali lipat dalam satu kuartal.
Rilis April berupa alat baris perintah yang memerlukan lingkungan Python lokal, mengunduh bobot model puluhan gigabita, dan menghabiskan jam insinyur per model. Explorer kini mengubah proses verifikasi menjadi pencarian sederhana melalui kolom pencarian, menghilangkan hambatan biaya dan teknis yang selama ini mencegah perusahaan memvalidasi model sebelum produksi. Amy Chang, Kepala AI Threat Intelligence and Security Research di Cisco, menekan bahwa memahami titik kegagalan model dimulai dari mengetahui model mana yang sebenarnya dijalankan.
Latar belakang peluncuran ini adalah kesenjangan verifikasi yang mengkhawatirkan di ekosistem model terbuka. Laporan ATOM yang diterbitkan Nathan Lambert dan Florian Brand di Interconnects AI pada April 2026 melacak sekitar 1.500 model utama dan menemukan 69% turunan baru mendeklarasikan keluarga Qwen Alibaba sebagai induknya per Februari 2026, naik drastis dari 1% pada Januari 2024. Laboratorium China secara keseluruhan mendominasi 70%, sementara Eropa hanya 4%. Total unduhan terlacak di tiga wilayah mencapai 2,04 miliar hingga Maret 2026.
Masalahnya, tag base_model di Hugging Face — yang menjadi dasar identifikasi keturunan di laporan ATOM — hanyalah string yang diketik pengunggah tanpa verifikasi tingkat bobot. Hugging Face tidak mewajibkan pengunggah membuktikan klaim keturunan melalui analisis bobot. Cisco Foundation AI memang memindai setiap file publik di Hugging Face via ClamAV, namun cakupan pemindaian tetap asumsi, bukan atribut yang terbaca sebelum persetujuan model.
Explorer mengisi kesenjangan ini dengan menggantikan metadata mandiri dengan skor kemiripan berbasis bukti. Model Provenance Kit bekerja dalam dua tahap bernilai: tahap pertama membandingkan metadata arsitektur sebelum memuat bobot; saat ambigu, tahap kedua mengekstrak lima sinyal tingkat bobot. Embedding Anchor Similarity menangkap hubungan geometri yang bertahan saat fine-tuning. Embedding Norm Distribution mengkodekan pola frekuensi kata. Norm Layer Fingerprint membaca lapisan stabil. Layer Energy Profile membandingkan distribusi di kedalaman jaringan. Weight-Value Cosine membandingkan nilai bobot langsung — model yang dilatih independen menunjukkan korelasi nol.
Cisco melaporkan akurasi 96,4% pada benchmark 111 pasangan sendiri di ambang 0,70, dengan F1 0,963. Empat pasangan salah klasifikasi melibatkan transformasi arsitektur ekstrim yang Cisco sebut batas fundamental perbandingan bobot berpasangan. Sinyal tokenizer dihitung untuk diagnostik tapi dikecualikan dari skor keturunan — StableLM dan Pythia sama-sama pakai tokenizer GPT-NeoX tapi tidak berbagi keturunan bobot, sehingga pengecualian ini mencegah positif palsu.
Di luar analisis statis, Explorer mengintegrasikan fingerprinting perilaku. Penelitian Jonah Leshin, Manish Shah, dan Ian Timmis di Project VAIL bersama Daniel Kang di UIUC menunjukkan endpoint model bisa tetap sehat sementara identitas efektifnya berubah lewat pembaruan bobot, kuantisasi, atau routing. Analisis statis menyediakan bukti tingkat bobot derivasi waktu pelatihan; analisis perilaku menangkap drift identitas runtime.
Data yang ditampilkan Explorer sama dengan yang Cisco gunakan operasional. Sistem Cerberus memeriksa model masuk Hugging Face dan mengisi kebijakan Secure Access yang memblokir berdasarkan lisensi berisiko atau asal wilayah. Explorer membuat kelas informasi itu gratis dan tanpa produk Cisco. Namun keterbatasan nyata ada: 900 model baru permulaan berarti dibanding 2 juta model di Hugging Face per musim semi 2026. Model di luar cakupan tetap bergantung tag mandiri.
Belum ada konfirmasi apakah Explorer mengekspos API. Tanpa API, tim hanya bisa mencari manual, tidak bisa mengintegrasikan pemeriksaan ke gerbang CI — garis batas antara artefak tata kelola dan kontrol otomatis. Bagi perusahaan Indonesia yang mengadopsi model terbuka demi efisiensi biaya, keterbatasan ini berarti proses verifikasi tetap parsial.
Di konteks Indonesia, peluncuran ini relevan mengingat adopsi model terbuka seperti Qwen, Llama, dan Gemma semakin masif di startup hingga enterprise lokal. Kementerian Komunikasi dan Digital (Komdigi) tengah menyusun kerangka tata kelola AI yang mencakup transparansi rantai pasok model. Alat seperti Explorer bisa jadi referensi teknis untuk regulasi mendatang, terutama soal kewajiban verifikasi keturunan model sebelum deployment di sektor kritikal — keuangan, kesehatan, pemerintahan.
Kendati demikian, cakupan 900 model masih terlalu sempit untuk kebutuhan skala nasional. Kolaborasi antara vendor keamanan global, platform hosting model, dan regulator lokal diperlukan untuk memperluas basis data fingerprinting. Cisco sendiri belum membuka API, tapi tekanan industri bisa mendorong standar terbuka untuk verifikasi keturunan — langkah krusial agar ekosistem AI Indonesia tidak terjebak pada kepercayaan buta ke tag mandiri.