Pelatihan model kecerdasan buatan skala besar di pusat data ternyata dapat dideteksi dari luar tanpa perlu mengakses sistem internal.
Peneliti menemukan bahwa fluktuasi konsumsi daya listrik menyimpan pola unik yang bisa mengungkap aktivitas pelatihan rahasia.
Metode non-invasif ini menawarkan solusi atas tantangan regulasi AI, yakni memverifikasi komputasi aktual secara objektif tanpa bergantung pada laporan pengelola.
Pola Daya Listrik yang Khas
Saat model AI besar dilatih, ribuan GPU bekerja dalam dua fase berulang: komputasi intensif dan komunikasi antar-chip.
Perpindahan fase ini memicu naik-turun daya listrik dengan frekuensi sekitar satu kali per detik.
Pola tersebut sangat spesifik, meski frekuensinya bisa berubah menyesuaikan beban kerja dan suhu perangkat keras.
Untuk melacaknya, peneliti menggunakan algoritma Viterbi tracker yang mampu mengunci pola temporal meskipun frekuensi dasar bergeser.
Pengukuran dilakukan pada saluran input daya utama di luar kendali pengelola server, sehingga audit murni berdasarkan data fisik.
Dalam pengujian simulasi, teknik ini mencapai akurasi deteksi hingga 96 persen.
Pendekatan ini juga diuji pada skenario ketika pengelola menjalankan beban kerja harian seperti inference AI biasa sambil diam-diam melatih model tambahan di latar belakang.
Karena berada di lapisan fisik, sinyal daya listrik tidak dapat dimanipulasi melalui rekayasa kode atau log sistem.
Metode pemantauan sinyal sampingan ini menjadi terobosan dalam transparansi komputasi AI.
