라벨을 믿지 마세요: AI 공급망에서의 라이선스 위조

Don't Trust the Label: License Laundering in AI Supply Chains

AI 결과물은 Hugging Face의 데이터셋 및 모델과 GitHub의 애플리케이션을 아우르는 다중 플랫폼 공급망을 통해 이동합니다. 각 결과물에는 라이선스가 포함되어 있으며, 해당 라이선스의 의무 사항은 재배포를 통해 유지되어야 하지만, 현재까지 이러한 의무 사항이 하위 단계로 전달되는지 또는 결과물이 하류로 이동함에 따라 제거되고 대체되는지를 측정하는 연구는 없습니다. 본 논문에서는 232,270개의 데이터셋-모델-애플리케이션 연결망을 추적하고, 라이선스 위조의 두 가지 형태를 정량화합니다. 첫째, 명시된 라이선스가 없는 결과물이 하류에서 구체적인 라벨을 갖게 되는 경우이고, 둘째는 재배포 과정에서 하나의 라이선스 유형이 다른 유형으로 대체되는 경우입니다. 분석 결과, 62.3%의 연결망이 최소한 하나의 라이선스가 명시되지 않은 결과물을 포함하고 있으며 (이는 소수의 핵심 데이터셋에 집중되어 있음), 모든 의무 사항을 포함하는 라이선스 유형은 최종 단계에서 7% 미만의 생존율을 보이는 반면, 허용적인(Permissive) 라이선스는 95.1%의 높은 생존율을 보입니다. 이러한 결과를 바탕으로, 실무자, 모델 게시자, 권리 보유자 및 플랫폼 운영자를 위한 실질적인 권장 사항을 제시합니다.

AI artifacts move through a multi-platform supply chain, spanning datasets and models on Hugging Face and applications on GitHub. While each artifact carries a license whose obligations should propagate through redistribution, no study has yet measured whether those obligations survive the chain or are stripped and replaced as artifacts move downstream. We trace 232,270 dataset$\rightarrow$model$\rightarrow$application chains and quantify two forms of license laundering: when artifacts with no declared license acquire definitive labels downstream, and when one declared license category replaces another during redistribution. We find that 62.3% of chains pass through at least one artifact with no declared license (concentrated in a small set of foundational datasets), and that every obligation-bearing license category falls below 7% end-to-end survival while the Permissive category reaches 95.1%. Based on these findings, we provide actionable recommendations for practitioners, model publishers, rights holders, and platform owners.