Tiga Serangan Scraping Hantam Cara, Data 12 Juta Karya Bocor

Telset.id – Platform berbagi karya seni untuk pelaku kreatif, Cara, mengalami tiga serangan scraping besar-besaran sepanjang Agustus lalu. Insiden ini membuat biaya server melonjak dan memicu kekhawatiran para kreator yang sebelumnya hijrah dari platform lain seperti Instagram. Serangan pertama bahkan mengekspos hampir seluruh pustaka gambar publik di Cara, yakni sekitar 12 juta karya dalam arsip berukuran 12 terabyte.

Pelaku pertama yang membocorkan data tersebut mengunggahnya di subreddit r/DefendingAIArt. Dalam unggahan yang kemudian dihapus, akun bernama MandarinDawnPoppy994 mengaku proses scraping tersebut hanya menghabiskan biaya kurang dari USD 10 atau sekitar Rp 150 ribuan. Co-founder Cara, Jingna Zhang, mengatakan bahwa timnya mengetahui insiden ini justru dari para pengguna yang menandai akun mereka di media sosial, karena pelaku dinilai “gloating” atau pamer dan mencari orang lain untuk ikut menggunakan dataset tersebut.

Zhang mengungkapkan kekesalannya karena undang-undang yang ada belum mampu melindungi karya seniman dari praktik pengambilan data semacam ini. Ia menilai para pelaku scraping sering kali bisa membenarkan tindakannya karena secara teknis dianggap legal. Zhang sendiri saat ini tengah terlibat dalam dua gugatan class action yang diajukan seniman visual, satu terhadap Stability AI, Midjourney, dan lainnya, serta satu lagi terhadap Google, terkait dugaan pelatihan model generator gambar menggunakan karya berhak cipta.

Meski pelaku pertama akhirnya menyesal dan bersedia bekerja sama dengan Zhang untuk mengembangkan alat pelindung baru, serangan lanjutan tetap terjadi. Scraper kedua berhasil mengambil sekitar 8,5 juta tautan dari Cara beserta metadata seperti nama pengguna, judul, dan tag, lalu mengunggahnya ke Hugging Face. Setelah dibanjiri permintaan penghapusan, Hugging Face menyatakan hanya bisa meminta pengguna bernama “CaptiveDreamer” untuk menghapus metadata pribadi, namun tidak bisa melakukan hal yang sama untuk tautan URL karena tidak ada salinan karya yang dihosting di platform tersebut.

Serangan ketiga terjadi pada 22 Agustus, ketika seorang scraper memperoleh 123.000 gambar dari Cara beserta teks dan bio pengguna yang memuat informasi pribadi. Data tersebut kemudian dibagikan melalui situs bernama Academic Torrents. Menanggapi rentetan insiden ini, Zhang meluncurkan penggalangan dana di GoFundMe dengan target USD 120.000 untuk biaya hukum. Dana tersebut rencananya digunakan untuk mengeksplorasi berbagai strategi pertahanan Cara melalui hukum siber dan hak cipta. Hingga Kamis pekan lalu, dana yang terkumpul telah melebihi USD 100.000.

Zhang mengaku frustrasi bukan hanya karena scraping, tetapi juga kebingungan seputar langkah realistis yang bisa dilakukan timnya untuk melindungi para seniman. Beberapa pengguna bahkan telah menghapus portofolio mereka dan meninggalkan platform. Ia menegaskan bahwa timnya telah melakukan hal yang benar sesuai batas kemampuan tanpa membuat aplikasi menjadi sulit digunakan. Langkah sementara seperti login gate disebutnya bukanlah solusi nyata untuk masalah yang bersifat internet-wide ini.

Menariknya, Zhang justru mendapat sekutu baru dari orang yang memulai rentetan scraping bulan ini. Pelaku yang menggunakan nama samaran “Heft” ini adalah seorang mahasiswa di Amerika Utara dengan latar belakang perangkat lunak dan minat pada proyek pelestarian digital. Heft mengaku awalnya hanya menganggap scraping sebagai proyek teknis dan tidak berniat mempublikasikan data tersebut. Namun ia mengakui membuat “keputusan bodoh” dengan mencoba memancing kemarahan lewat Reddit dan terbawa suasana troll di kolom komentar.

Heft melihat langsung bagaimana para seniman berbagi cerita tentang serangan panik yang mereka alami, termasuk menghapus seluruh portofolio dari internet. Setelah berdialog langsung dengan para seniman, ia semakin memahami betapa personalnya karya mereka dan betapa mereka menghargai kepemilikan atas karya tersebut. “In retrospect, not only deliberately targeting Cara but presenting it the way I did in the post was cruel and thoughtless,” ujar Heft. Ia juga menilai bahwa 12 juta gambar sebenarnya “tidak banyak” untuk melatih model AI, dan lab AI komersial besar biasanya melatih dari web scrape berskala besar yang tersedia dari organisasi data terbuka seperti LAION.

Heft kemudian bergabung dengan server Discord Cara sebagai pemecah masalah dan membantu mengidentifikasi mengapa sejumlah perbaikan yang diusulkan kemungkinan besar tidak akan berhasil. Zhang mengatakan Heft dengan sabar menjelaskan kelemahan struktural yang memungkinkan scraping terjadi. Karena Heft percaya tidak ada situs yang bisa dibuat sepenuhnya “unscrapable”, ia dan Zhang berkolaborasi mengembangkan alat bernama Lantern. Alat ini memungkinkan seniman membuat “sidik jari satu arah” untuk gambar mereka tanpa menyimpannya di platform. Lantern secara berkala memindai dataset gambar AI publik yang baru, dan jika karya seorang seniman muncul di salah satunya, seniman akan menerima notifikasi beserta tautan ke dataset tersebut untuk meminta penghapusan atau mengajukan pemberitahuan takedown.

Lantern masih dalam tahap awal pengembangan dan merupakan solusi tidak sempurna yang lahir dari kekosongan regulasi. Namun Zhang dan Heft bertujuan memberi seniman lebih banyak kendali dan kesadaran tentang bagaimana konten diambil dari seluruh web, terlepas dari apakah situs web melarangnya dalam persyaratan layanan atau tidak. Karena bersifat open-source, siapa pun dapat berkontribusi pada kode tersebut.

Zhang berharap dampak dari rentetan scraping ini bisa menarik perhatian para pembuat kebijakan untuk melihat lebih jauh dari sekadar masalah hak cipta. “Getting attacked by AI is just going to become so, so commonplace,” katanya. Ia mengingatkan bahwa sebagian besar waktu, penyerang tidak akan meminta maaf, apalagi mencoba memperbaiki keadaan. Insiden ini menjadi pengingat bahwa keamanan data di platform digital masih menjadi tantangan besar, sejalan dengan maraknya kasus kebocoran data akun yang mengancam pengguna internet secara luas. Fenomena serupa juga pernah diungkap dalam kasus peretasan oleh aktor asing yang menargetkan institusi pemerintah.

Bagi para kreator yang mempertimbangkan untuk pindah platform demi keamanan, Zhang mengingatkan bahwa platform yang lebih besar justru lebih sering menjadi sasaran scraping. Ia mendukung keputusan pengguna yang ingin menghapus karya dan meninggalkan Cara, namun tidak ingin memberi kesan keliru bahwa pindah ke tempat lain otomatis lebih aman. Sementara itu, bagi pengguna yang ingin lebih memahami cara melindungi data mereka, mempelajari teknik self-hosting aplikasi bisa menjadi langkah awal untuk memiliki kendali penuh atas infrastruktur digital sendiri.