Privasi ChatGPT Dipertanyakan, Nesa Dorong AI Terdesentralisasi

Isu privasi ChatGPT kembali mencuat setelah laporan Tiger Research mengungkap kasus pejabat keamanan siber Amerika Serikat (AS) yang mengunggah dokumen sensitif pemerintah ke AI untuk diringkas. 

Peristiwa itu terjadi pada Januari 2026 dan melibatkan Acting Director CISA, lembaga keamanan siber utama AS.

Unggahan tersebut tidak terdeteksi oleh sistem AI maupun dilaporkan ke otoritas terkait. Pelanggaran justru ditemukan oleh sistem keamanan internal lembaga itu sendiri. 

 

Model AI Terpusat dan Paparan Data

 

 

Sebagian besar layanan AI komersial beroperasi melalui server terpusat. Data pengguna dikirim ke infrastruktur penyedia layanan dalam bentuk terenkripsi, lalu diproses untuk menghasilkan ringkasan, analisis, atau respons.

Meski terenkripsi, kunci dekripsi tetap berada di pihak penyedia layanan. Dalam kondisi tertentu, seperti audit internal, peninjauan keamanan, atau permintaan hukum, data dapat diakses sesuai kebijakan yang berlaku. 

Pada skema enterprise, administrator organisasi juga memiliki visibilitas terhadap aktivitas pengguna.

Praktik ini membuat data pribadi, dokumen internal, hingga informasi sensitif berpotensi melewati berbagai lapisan sistem sebelum diproses model AI.

 

Baca juga berita serupa: Sentient Siap Jadi “ChatGPT Terbuka”? Tersobosannya Bikin Heboh Dunia AI!

 

Nesa dan Infrastruktur AI Terdesentralisasi

Di tengah sorotan tersebut, Nesa menawarkan pendekatan berbeda melalui infrastruktur AI terdesentralisasi. Fokusnya adalah melindungi data pada tahap inference, yakni saat model memproses input pengguna.

Nesa menggunakan teknologi Equivariant Encryption (EE), yang mentransformasi data secara matematis sebelum dikirim ke jaringan. Model AI tetap dapat melakukan komputasi, tetapi tidak pernah menerima bentuk asli data.

 

 

Menurut laporan Tiger Research, pengujian pada model LLaMA-8B menunjukkan akurasi di atas 99,99% dengan tambahan latensi kurang dari 9%. 

Hasil ini diklaim setara dengan komputasi standar tanpa enkripsi penuh seperti Fully Homomorphic Encryption yang dikenal jauh lebih lambat.

Lapisan kedua disebut HSS-EE (Homomorphic Secret Sharing over Encrypted Embeddings). Teknologi ini membagi data yang sudah ditransformasi ke beberapa node terpisah. 

Tidak ada satu server pun yang menyimpan data secara utuh, sehingga perlindungan berlangsung dua tingkat.

 

Validasi Akademik dan Implementasi

Nesa juga mengembangkan MetaInf, sistem penjadwalan berbasis meta-learning yang memilih metode inference paling efisien berdasarkan karakteristik model dan spesifikasi perangkat keras. 

MetaInf dipublikasikan dalam konferensi COLM 2025 dan mencatat akurasi seleksi 89,8% serta peningkatan kecepatan 1,55 kali dibanding pendekatan machine learning konvensional.

Laporan tersebut menyebut infrastruktur Nesa telah digunakan dalam lingkungan enterprise, termasuk oleh Procter & Gamble. Implementasi ini diklaim berjalan dalam kondisi produksi nyata, bukan sekadar pengujian laboratorium.

 

Baca selanjutnya: Gradient Tantang Raksasa AI! Era Open Intelligence Sudah Dimulai

 

Token dan Mekanisme Insentif

Sebagai jaringan terdesentralisasi, Nesa mengandalkan token NES untuk mendukung operasionalnya. Pengguna membayar biaya inference melalui mekanisme PayForQuery, yang terdiri dari biaya tetap per transaksi dan biaya variabel berdasarkan ukuran data.

Node pemroses data diwajibkan melakukan staking token sebagai jaminan. Jika terjadi kesalahan atau kegagalan dalam pemrosesan, sebagian stake dapat dipotong. Skema ini dirancang untuk menjaga akurasi dan ketersediaan layanan tanpa administrator pusat.

Model ekonomi tersebut bergantung pada keseimbangan antara permintaan inference dan partisipasi node. Tiger Research mencatat fase awal jaringan menjadi periode krusial untuk memastikan stabilitas dan keberlanjutan.

 

Kesimpulan

Insiden di CISA menunjukkan bahwa penggunaan AI sudah masuk ke level operasional, termasuk untuk dokumen yang bersifat sensitif. 

Ketika proses tersebut tetap bergantung pada server terpusat, risiko paparan data tidak bisa diabaikan.

Nesa mencoba menawarkan model berbeda dengan memproses data dalam bentuk terenkripsi dan membaginya ke beberapa node, sehingga tidak ada satu pihak yang memegang informasi secara utuh. Pendekatan ini menempatkan perlindungan data langsung di level infrastruktur.

Artikel ini hasil Kolaborasi antara INDODAX x Tiger Research

 

FAQ

• Apa perbedaan AI terpusat dan AI terdesentralisasi?
  AI terpusat memproses data melalui server milik satu penyedia layanan. AI terdesentralisasi memanfaatkan jaringan node terpisah sehingga tidak ada satu entitas yang memegang data secara utuh.
• Apa itu inference dalam sistem AI?
  Inference adalah proses ketika model AI memproses input pengguna untuk menghasilkan output, seperti ringkasan, analisis, atau jawaban.
• Mengapa enkripsi biasa dianggap belum cukup dalam AI?
  Enkripsi standar tetap memungkinkan penyedia layanan memegang kunci dekripsi. Dalam kondisi tertentu, data dapat diakses sesuai kebijakan atau regulasi yang berlaku.
• Apa fungsi token NES dalam ekosistem Nesa?
  Token NES digunakan untuk membayar biaya inference, staking oleh node pemroses, serta mekanisme insentif dan tata kelola jaringan.
• Apakah AI terdesentralisasi lebih lambat dibanding AI konvensional?
  Pendekatan kriptografi tradisional seperti Fully Homomorphic Encryption sangat lambat. Namun Nesa mengklaim sistemnya hanya menambah latensi kurang dari 9% pada pengujian tertentu.
• Siapa saja yang telah menggunakan infrastruktur Nesa?
  Menurut laporan Tiger Research, infrastruktur Nesa telah diterapkan dalam lingkungan enterprise, termasuk Procter & Gamble, meski detail implementasi tidak dipublikasikan secara rinci.

 

Itulah berita crypto hari ini terkait kabar terbaru di pasar kripto, termasuk pergerakan harga Bitcoin dan kripto utama lainnya. Aktifkan notifikasi untuk mendapatkan update terkini dan edukasi dari Akademi Crypto seputar aset digital dan teknologi blockchain hanya di INDODAX Academy.

Pelajari kripto lebih dalam dari A – Z mulai dari pergerakan pasar, indikator analisis teknikal, aset digital, dan topik lain lain melalui laman artikel edukasi crypto terpopuler. Anda juga dapat mengikuti berita terbaru Indodax Academy melalui Google News.

Download aplikasi crypto terbaik INDODAX melalui App Store atau Google Play Store untuk mendapatkan pengalaman jual beli Bitcoin atau aset kripto lain dengan mudah dan aman.

INDODAX merupakan exchange crypto lokal di Indonesia yang mempublikasikan data Proof of Reserves (PoR) di CoinMarketCap dan rutin melaporkan pembaruan jumlah total aset secara transparan yang bisa dilihat oleh semua orang.

 

Kontak Resmi Indodax

Nomor Layanan Pelanggan: (021) 5065 8888 | Email Bantuan: [email protected]

 

Ikuti juga sosial media INDODAX di sini: Instagram, X, Youtube & Telegram

 

Author: Fau 

 

  

 

Tag Terkait: #Berita Kripto Hari Ini, #Berita Mata uang Kripto, #Berita Artificial intelligence (AI)