امریکی اداروں کا الزام: چینی AI کمپنیوں نے اربوں tokens اخذ کیے
امریکا کی NSA، CISA اور FBI نے 8 ستمبر 2026 کو مشترکہ cybersecurity advisory جاری کر کے الزام لگایا کہ چین میں قائم AI کمپنیوں نے امریکی frontier models کے outputs بڑے پیمانے پر جمع کر کے اپنے models کی تربیت میں استعمال کیے۔ NSA کے سرکاری اعلان میں مبینہ کارروائی کو متعدد model providers، cloud platforms اور دوسرے بنیادی ڈھانچے میں تقسیم مہم قرار دیا گیا ہے، جس سے کسی ایک مقام پر اس کی مجموعی شناخت مشکل ہو جاتی ہے۔
CISA کی مشترکہ advisory میں DeepSeek، Moonshot AI، Alibaba، MiniMax، StepFun اور Z.AI پر کم از کم 2024 کے اواخر سے Claude، GPT، Gemini اور Grok کی اقسام کو لاکھوں requests بھیج کر اربوں tokens اخذ کرنے کا الزام ہے۔ چین کی وزارتِ تجارت نے دعوے بے بنیاد قرار دیے، وزارتِ خارجہ نے انہیں مسترد کیا، اور خبر کی اشاعت تک DeepSeek، Alibaba، Moonshot AI اور Z.AI نے جواب نہیں دیا تھا، جیسا کہ Associated Press کی رپورٹ میں درج ہے؛ اس لیے token extraction کو امریکی اداروں کا الزام سمجھنا چاہیے، عدالتی طور پر ثابت شدہ خلاف ورزی نہیں۔
advisory نے کس طریقۂ کار کی نشان دہی کی
مبینہ مہم ایک صارف کے غیر معمولی زیادہ استعمال تک محدود نہیں تھی۔ دستاویز میں جعلی یا باہم متعلق accounts، مشترک registration اور payment details، premium subscriptions، cloud providers، third-party API aggregators اور ایسے proxy راستوں کا ذکر ہے جو علاقائی پابندیوں کو عبور کرنے اور اصل استعمال کنندہ کی شناخت چھپانے کے لیے استعمال ہو سکتے ہیں۔
اس الزام کا مرکز model weights کی براہِ راست چوری نہیں بلکہ outputs کی منظم collection ہے۔ ایک طاقت ور model کو مسلسل اور ہدفی prompts بھیج کر اس کے جوابات محفوظ کیے جاتے ہیں؛ پھر یہ مواد دوسرے model کے لیے synthetic training data بن سکتا ہے۔ دستاویز reasoning، coding، agentic functions، سوال جواب اور مخصوص علمی شعبوں سے متعلق outputs کو مبینہ اہداف میں شمار کرتی ہے۔
تقسیم شدہ طریقۂ کار کی وجہ سے ہر account الگ دیکھنے پر معمول کے استعمال جیسا لگ سکتا ہے۔ مشترک timing، ملتے جلتے prompts، یکساں payment یا registration patterns، متعدد IP addresses اور مختلف راستوں کے درمیان coordinated switching مجموعی orchestration ظاہر کر سکتے ہیں۔ امریکی اداروں نے اس attribution اور نیت کو اپنے assessment کے طور پر پیش کیا ہے؛ عوامی صفحات میں مکمل request logs یا ہر کمپنی کے خلاف الگ forensic evidence bundle شامل نہیں۔
جائز knowledge distillation کہاں ختم ہوتی ہے
Knowledge distillation بذاتِ خود غیر قانونی یا لازماً بدنیتی پر مبنی عمل نہیں۔ یہ machine learning کا معروف طریقہ ہے جس میں زیادہ صلاحیت رکھنے والے teacher model کے outputs سے نسبتاً چھوٹے student model کو تربیت دی جاتی ہے۔ اپنے models، اجازت یافتہ outputs، licensed data یا واضح تحقیقی انتظام کے اندر یہ طریقہ کم وسائل کے ساتھ مخصوص صلاحیت منتقل کرنے کے لیے استعمال ہو سکتا ہے۔
تنازع تکنیک کے بجائے اجازت، شناخت، پیمانے اور مقصد سے پیدا ہوتا ہے۔ اگر کوئی فریق provider کی شرائط کے برخلاف اپنی شناخت چھپائے، علاقائی یا usage controls کو عبور کرے، بہت سے accounts کے ذریعے مربوط automation چلائے اور outputs کو حریف model کی صلاحیتیں نقل کرنے کے لیے جمع کرے تو provider اسے abusive یا commercial extraction سمجھ سکتا ہے۔
اس کے برعکس صرف زیادہ request volume کسی جائز enterprise customer کو حملہ آور ثابت نہیں کرتا۔ ایک واضح assessment میں حجم کے ساتھ prompt similarity، account creation، payment relationships، IP اور user-agent patterns، مسلسل quota exhaustion اور مختلف access routes کے درمیان ہم وقت تبدیلی دیکھی جانی چاہیے۔ یہی فرق عام model training technique اور advisory میں بیان کردہ مبینہ مہم کے درمیان بنیادی حد ہے۔
AI API operator کن signals کو یکجا کرے
پاکستان میں AI APIs، cloud gateways یا model services چلانے والی ٹیموں کے لیے اہم نکتہ یہ ہے کہ identity، subscription اور usage telemetry الگ الگ dashboards تک محدود نہ رہے۔ حساس user content کی غیر ضروری نقل محفوظ کیے بغیر اتنی operational metadata درکار ہے کہ بظاہر جدا accounts، keys اور network paths کے درمیان مربوط استعمال شناخت کیا جا سکے۔
- نئے account کا استعمال: subscription بنتے ہی maximum usage، بتدریج اضافے کے بغیر بہت زیادہ throughput، یا quota کا مسلسل مکمل استعمال خطرے کا signal ہو سکتا ہے۔
- شناختی تعلق: ملتی جلتی registration details، مشترک payment methods، ایک account کا کئی IP addresses یا user agents سے استعمال اور متعلقہ account pools ایک cluster کی نشان دہی کر سکتے ہیں۔
- request pattern: ایک جیسے یا معمولی تبدیلی والے prompts، مخصوص capabilities کی منظم coverage اور دن رات ایسا مسلسل استعمال جس میں انسانی وقفے نہ ہوں، automated harvesting سے مطابقت رکھ سکتا ہے۔
- راستوں کے درمیان تعلق: native API، cloud provider، aggregator اور relay کے درمیان یکساں timing یا blocking کے فوراً بعد coordinated switching مرکزی routing ظاہر کر سکتی ہے۔
- لاگت اور quota: cache کو غیر معمولی حد تک استعمال کرنے والی requests، کئی accounts میں یکساں budget allocation اور قیمت یا rate بدلتے ہی مشترک ردعمل کو الگ واقعات کے بجائے ایک campaign کے طور پر جانچنا چاہیے۔
مشترکہ مشیر نامہ تین سطحوں پر دفاع تجویز کرتا ہے: anomalous prompts، accounts، networks اور behavior کی جامع detection؛ زیادہ اعتماد والے مشتبہ استعمال کے خلاف targeted response changes؛ اور model providers، cloud platforms اور API aggregators کے درمیان indicators کا تبادلہ۔ کسی ایک account کی rate limit distributed campaign کے لیے کافی نہیں، کیونکہ سرگرمی کئی شناختوں اور راستوں میں انفرادی حد سے نیچے رہ سکتی ہے۔
کون سی باتیں اب بھی غیر ثابت ہیں
اس وقت تصدیق شدہ واقعہ مشترکہ advisory کا اجرا، چھ کمپنیوں کی نامزدگی اور امریکی اداروں کی جانب سے تفصیلی الزامات کی اشاعت ہے۔ اربوں tokens کا اخذ، لاکھوں requests کا مربوط ہونا، ہر کمپنی کا مخصوص کردار اور چینی حکومت کی ممکنہ آگاہی انہی اداروں کے دعوے ہیں؛ چینی حکومت ان کی بنیاد اور distillation کی امریکی تعبیر دونوں مسترد کرتی ہے۔
عوامی مواد مکمل logs، متاثرہ providers کی جامع فہرست، account-level evidence یا ہر نامزد کمپنی کا تفصیلی جواب فراہم نہیں کرتا۔ کہانی کا اگلا قابلِ جانچ مرحلہ مزید technical indicators، providers کی جانب سے مخصوص traffic clusters کی تصدیق، یا نامزد کمپنیوں کی طرف سے training data اور API استعمال کی وضاحت ہوگا۔ تب تک جائز distillation، terms-of-service کی مبینہ خلاف ورزی اور قانونی ذمہ داری کو ایک ہی ثابت شدہ نتیجہ سمجھنا درست نہیں۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔