Seorang CTO di perusahaan teknologi AS menemukan bukti keras bahwa penyedia layanan AI besar-besaran telah mencuri properti intelektual pelanggan melalui mekanisme tersembunyi di dalam SDK-nya. Temuan itu muncul bukan dari audit keamanan rutin, melainkan dari kebetulan saat membersihkan direktori cache pasca-audit SOC 2 Type II.
Leo — nama samaran CTO tersebut — menemukan file dengan awalan `acl-train-2026q2-v3` di direktori pelatihan internal yang seharusnya hanya berisi artefak milik perusahaannya, CoreStack. Investigasi lebih lanjut mengungkap pola: SDK milik FinOptima, mitra integrasi API, sengaja menulis cache vektor ke direktori pelatihan klien pada setiap panggilan API. Dokumentasi tentang 'lapisan optimasi performa' itu tertinggal di halaman kedua puluh catatan kaki, tidak dibaca tim integrasi.
Analisis teknis menunjukkan FinOptima mendistilasi embedding 768-dimensi milik CoreStack menjadi 512-dimensi untuk model mereka sendiri. Lebih mengejutkan, snapshot bobot dengan awalan `acl-` mengindikasikan korban kedua: Automated Compliance Lab (ACL), yang juga menggunakan arsitektur 768-dimensi. FinOptima menyatukan hasil distilasi dari dua perusahaan sekaligus.
Alih-alih melapor ke hukum atau kompliance, Leo memilih jalur teknis. Ia menulis lima belas baris kode yang menyisipkan drift arah ortogonal ke lapisan output embedding CoreStack. Perubahan itu valid secara struktural, penurunan akurasi dalam batas noise statistik, namun model apa pun yang mendistilasi output ini akan menyimpang dari batas konvergensi dalam tiga bulan. Commit ditandai ringkas: "Embedding stability — introduced dynamic anchoring." CI lulus, tidak ada yang bertanya.
Dua minggu kemudian, CEO CoreStack dipanggil CTO FinOptima yang merasa 'sesuatu tidak beres' tapi tidak menemukan bukti. CEO tidak meminta detail, hanya memastikan ada jejak commit yang bisa diserahkan ke legal jika diperlukan. Kontrak addendum FinOptima ditinjau ulang minggu depan.
Kasus ini mengillustrasikan ancaman baru di ekosistem AI: supply chain attack melalui SDK yang dipercaya. Berbeda dengan pencurian data tradisional, distilasi model memanfaatkan output inferensi sebagai data pelatihan — legalitasnya abu-abu, deteksinya sulit, dan dampaknya fundamental bagi keunggulan kompetitif berbasis model proprietary.
Di Indonesia, di mana adopsi LLM dan embedding API melonjak 300% sejak 2023 menurut survei Kominfo, risiko serupa mengancam startup dan enterprise yang mengandalkan vendor eksternal. Banyak tim engineering lokal mengintegrasikan SDK tanpa audit kode sumber atau pemantauan filesystem anomali. Regulasi PDPA dan UU ITE belum mengatur spesifik pencurian bobot model via distilasi.
Beberapa perusahaan keamanan siber Indonesia seperti QasirSec dan IndoSec telah mulai menawarkan layanan 'model lineage audit' — memverifikasi apakah output API mengandung watermark atau pola yang mengindikasikan ekstraksi tidak sah. Namun biayanya masih mahal untuk UMKM teknologi.
Ahli hukum teknologi, Andri Rifai dari Hukumonline, menilai kasus ini bisa jadi preseden global. "Jika dibuktikan FinOptima sengaja merancang SDK untuk ekstraksi, ini melanggar trade secret law dan computer fraud statutes di banyak yurisdiksi. Tantangannya: bukti teknis harus tahan pengadilan," ujarnya.
Sisi pertahanan, para peneliti AI menyarankan teknik watermarking embedding — menyisipkan pola tersembunyi di ruang vektor yang bisa dideteksi jika dicuri. Google DeepMind dan OpenAI sudah menerapkan ini sejak 2023. Di Indonesia, tim Riset AI Universitas Indonesia mengembangkan watermarking ringan untuk bahasa Indonesia yang kompatibel dengan model on-premise.
Leo sendiri tidak menganggap diri pahlawan. "Saya hanya memperbaiki kebocoran di rumah sendiri," katanya dalam catatan internal yang bocor ke forum Dev.to. "Tapi kalau industri tidak menetapkan standar keamanan SDK, kasus ini akan terulang — dan tidak semua CTO punya waktu tiga bulan untuk menunggu racun bekerja."
Langkah selanjutnya CoreStack: membangun gateway API internal yang memfilter dan memantau semua traffic keluar ke vendor AI. Mereka juga mendorong alliance industri untuk standar 'SDK Bill of Materials' — transparansi penuh apa yang dijalankan kode vendor di infrastruktur klien. Inisiatif itu mendapat dukungan awal dari lima unicorn Asia Tenggara.
Bagi ekosistem Indonesia, pelajarannya jelas: kepercayaan pada vendor API tidak boleh mengalihkan tanggung jawab keamanan model. Audit supply chain AI harus menjadi bagian dari governance standar, bukan reaksi pasca-kecelakaan. Kominfo dirumorkan menyiapkan peraturan menteri tentang keamanan model AI yang akan mewajibkan pencatatan lineage data pelatihan untuk sistem kritis.