AI 공급망 갤럭시: 라이선스 준수성을 위한 3D 시각적 분석

AI Supply Chain Galaxy: 3D Visual Analytics for License Compliance

머신러닝 모델 재사용의 급속한 확산은 AI 생태계를 매우 복잡하게 연결된 공급망으로 변화시켰습니다. 기존의 규정 준수 도구 및 정적인 보고서는 이러한 방대한 다중 종속성 네트워크를 파악하는 데 어려움을 겪고 있습니다. 이를 해결하기 위해, 모델 출처 추적 및 규정 준수 감사를 위한 인터랙티브한 3D 시각적 분석 시스템인 AI 공급망 갤럭시(AISCG)를 제안합니다. AISCG는 모델을 3차원 공간에 배치하여 명시적인 구조적 의존성을 규칙 기반의 규정 준수 엔진과 통합합니다. 이 시스템은 전역 커뮤니티 탐지부터 로컬화된 경로 인식 계보 추적까지 다양한 규모의 탐색을 지원합니다. Hugging Face에서 수집한 908,449개의 모델에 대한 대규모 실증 분석을 통해 AISCG의 유효성을 입증했습니다. 우리의 연구 결과는 우려스러운 현실을 보여줍니다: 55.46%의 모델이 규정 준수 위험 또는 메타데이터 충돌/누락 문제를 가지고 있습니다. 또한, 어댑터 파생 모델에서 56.67%의 라이선스 누락 비율과 미세 조정 과정에서 8.05%의 "라이선스 변경" 비율을 포함한 다양한 위험 패턴을 식별했습니다. 복잡한 Llama 모델 패밀리에 대한 사례 연구를 통해 AISCG가 분석가가 직관적으로 상속된 제한적인 조항을 추적하고 깊은 위상 네트워크 전체에서 근본 원인을 파악하는 데 어떻게 도움을 주는지 보여주며, 규정 준수 감사의 인지적 부담을 크게 줄일 수 있음을 입증했습니다.

The rapid proliferation of machine learning model reuse has transformed the AI ecosystem into a highly interconnected supply chain. Traditional compliance tools and static reports struggle to navigate these massive, multi-hop dependency networks. To address this, we present AI Supply Chain Galaxy (AISCG), an interactive 3D visual analytics system for model provenance and compliance auditing. AISCG maps models into a 3D spatial layout, integrating explicit structural dependencies with a rule-based compliance engine. It supports multi-scale exploration, from global community detection to localized, path-aware lineage tracing. We demonstrate its efficacy through an ecosystem-scale empirical analysis of 908,449 models from Hugging Face. Our findings reveal a concerning landscape: 55.46% of models exhibit compliance risks or metadata conflicts/omissions. We also identified distinct risk patterns, including a 56.67% license omission rate in adapter derivations and an 8.05% "license drift" rate in fine-tuning. Through a case study on the complex Llama model family, we show how AISCG empowers analysts to intuitively trace inherited restrictive terms and identify root causes across deep topological networks, significantly reducing the cognitive load of compliance auditing.