ਓਪਨ-ਸੋਰਸ AI ਇੱਕ ਵਿਸ਼ਾਲ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਬਦਲ ਗਿਆ ਹੈ ਜਿੱਥੇ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਡਕਟ ਦਰਜਨਾਂ ਰਿਪੋਜ਼ਟਰੀਆਂ ਤੋਂ ਕੋਡ ਲੈ ਸਕਦਾ ਹੈ, ਕਈ ਸਰੋਤਾਂ ਤੋਂ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਕੌਂਫਿਗਰੇਸ਼ਨਾਂ 'ਤੇ ਚੱਲ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਬਹੁਤ ਘੱਟ ਟੀਮਾਂ ਕੋਲ ਪੂਰਾ ਦਸਤਾਵੇਜ਼ ਹੁੰਦਾ ਹੈ। ਇਹਨਾਂ ਨਿਰਭਰਤਾਵਾਂ (dependencies) ਦਾ ਧਿਆਨ ਰੱਖਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਉਸ ਸਟੈਕ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਇੰਟਰਨੈਟ 'ਤੇ ਖੁੱਲ੍ਹੇ ਹਨ, ਇਹ ਸਮਝਣਾ ਹੋਰ ਵੀ ਮੁਸ਼ਕਲ ਹੈ। Current AI ਦੁਆਰਾ Open Source AI Gap Map v0.1 ਦੀ ਰਿਲੀਜ਼ ਇਸ ਹਫੜਾ-ਦਫੜੀ ਵਿੱਚ ਕੁਝ ਵਿਵਸਥਾ ਲਿਆਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ, ਅਤੇ ਸੁਰੱਖਿਆ ਟੀਮਾਂ ਨੂੰ ਇਸਨੂੰ ਲਾਜ਼ਮੀ ਪੜ੍ਹਨਯੋਗ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇਹ ਇੰਡੈਕਸ 421 ਓਪਨ-ਸੋਰਸ AI ਪ੍ਰੋਡਕਟਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਨੂੰ ਚਾਰ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ: AI ਮਾਡਲ, ਡੇਟਾਸੈਟ, ਸਾਫਟਵੇਅਰ ਟੂਲਜ਼, ਅਤੇ ਹਾਰਡਵੇਅਰ। ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ, ਪੂਰਾ ਪ੍ਰੋਜੈਕਟ 1,184 YAML ਫਾਈਲਾਂ 'ਤੇ ਚੱਲਦਾ ਹੈ ਜੋ 16,000 ਤੋਂ ਵੱਧ GitHub ਰਿਪੋਜ਼ਟਰੀਆਂ ਨੂੰ ਟ੍ਰੈਕ ਕਰਦੀਆਂ ਹਨ। 421 ਪ੍ਰੋਡਕਟਾਂ ਅਤੇ 16,000 ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿਚਕਾਰ ਇਹ ਅੰਤਰ ਆਪਣੀ ਹੀ ਕਹਾਣੀ ਦੱਸਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਇਕੱਲੀਆਂ (self-contained monoliths) ਨਹੀਂ ਹੁੰਦੀਆਂ। ਉਹ ਇਨਫਰੈਂਸ ਇੰਜਣਾਂ, ਫਾਈਨ-ਟਿਊਨਿੰਗ ਸਕ੍ਰਿਪਟਾਂ, ਡੇਟਾ ਲੋਡਰਾਂ, ਇਵੈਲੂਏਸ਼ਨ ਬੈਂਚਮਾਰਕਸ, ਅਤੇ ਡਰਾਈਵਰ ਲੇਅਰਾਂ ਦਾ ਸਮੂਹ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਆਪਣੇ ਰਿਪੋਜ਼ਟਰੀ, ਆਪਣੇ ਮੇਨਟੇਨਰਾਂ, ਕਮਿਟ ਇਤਿਹਾਸ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ (vulnerability profiles) ਦੇ ਨਾਲ ਮੌਜੂਦ ਹੁੰਦੀ ਹੈ।

Current AI ਨੇ ਇਸ ਡੇਟਾਸੈਟ ਨੂੰ MIT ਲਾਇਸੈਂਸ ਦੇ ਤਹਿਤ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਨਤਕ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਇਹ ਖੁੱਲ੍ਹੇਪਣ ਹੀ ਇਸਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਹੈ। ਕੋਈ ਵੀ ਇਸਨੂੰ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦਾ ਹੈ, YAML ਨੂੰ ਪਾਰਸ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਸਦੇ ਉੱਪਰ ਟੂਲਿੰਗ ਬਣਾ ਸਕਦਾ ਹੈ। ਰੱਖਿਆ ਕਰਨ ਵਾਲਿਆਂ (defenders) ਲਈ, ਇਹ ਪਹੁੰਚ ਇੱਕ ਮੌਕਾ ਹੈ। ਹਮਲਾਵਰਾਂ ਲਈ, ਇਹ ਉਨਾ ਹੀ ਸੁਵਿਧਾਜਨਕ ਹੈ।

ਇਹ ਮੈਪ ਅਸਲ ਵਿੱਚ ਕੀ ਟ੍ਰੈਕ ਕਰਦਾ ਹੈ

AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੀਆਂ ਜ਼ਿਆਦਾਤਰ ਸੰਸਥਾਵਾਂ ਕੋਲ ਇਸ ਗੱਲ ਦੀ ਸਪਸ਼ਟ ਇਨਵੈਂਟਰੀ ਨਹੀਂ ਹੁੰਦੀ ਕਿ ਉਹਨਾਂ ਨੇ ਕੀ ਤੈਅਾਰ (deploy) ਕੀਤਾ ਹੈ। ਇੱਕ ਟੀਮ ਕਿਸੇ ਪ੍ਰਸਿੱਧ ਹੱਬ ਤੋਂ ਭਾਸ਼ਾ ਮਾਡਲ (language model) ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੀ ਹੈ, ਇਸਨੂੰ ਚਲਾਉਣ ਲਈ ਕੁਝ Python ਪੈਕੇਜ ਇੰਸਟਾਲ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਕੰਮ ਪੂਰਾ ਸਮਝ ਸਕਦੀ ਹੈ। ਪਰ ਉਸ ਸਰਲ ਵਰਕਫਲੋਅ ਦੇ ਹੇਠਾਂ ਨਿਰਭਰਤਾਵਾਂ ਦਾ ਇੱਕ ਗੁੰਝਲਦਾਰ ਸੈੱਟ ਹੁੰਦਾ ਹੈ। ਮਾਡਲ ਵੇਟਸ (model weights) ਇੱਕ ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਆਉਂਦੇ ਹਨ। ਟੋਕਨਾਈਜ਼ਰ ਕੌਂਫਿਗਰੇਸ਼ਨ ਕਿਸੇ ਹੋਰ ਤੋਂ ਆਉਂਦੀ ਹੈ। ਇਨਫਰੈਂਸ ਫਰੇਮਵਰਕ ਕਿਸੇ ਤੀਜੇ ਪ੍ਰੋਜੈਕਟ ਦਾ ਫੋਰਕ (fork) ਹੋ ਸਕਦਾ ਹੈ। CUDA ਡਰਾਈਵਰ ਅਤੇ ਕੰਟੇਨਰ ਇਮੇਜਾਂ ਹੋਰ ਵੀ ਕਈ ਸਰੋਤਾਂ ਤੋਂ ਲਈਆਂ ਜਾਂਦੀਆਂ ਹਨ।

Gap Map ਇਸਨੂੰ 421 ਵੱਖ-ਵੱਖ AI ਪ੍ਰੋਡਕਟਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਆਪਣੀਆਂ 1,184 YAML ਫਾਈਲਾਂ ਨੂੰ ਸੰਗਠਿਤ ਕਰਕੇ ਕੈਪਚਰ ਕਰਦਾ ਹੈ। ਇੱਥੇ ਮੈਪ ਕੀਤੀਆਂ ਗਈਆਂ 16,000 ਤੋਂ ਵੱਧ GitHub ਰਿਪੋਜ਼ਟਰੀਆਂ ਅਸਲ ਕੋਡ, ਕੌਂਫਿਗਰੇਸ਼ਨਾਂ, ਅਤੇ ਆਰਟੀਫੈਕਟਸ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਦੀਆਂ ਹਨ ਜੋ ਉਹਨਾਂ ਪ੍ਰੋਡਕਟਾਂ ਨੂੰ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਐਂਟਰੀਆਂ ਨੂੰ ਮਾਡਲਾਂ, ਡੇਟਾਸੈਟਾਂ, ਸਾਫਟਵੇਅਰ ਟੂਲਜ਼, ਅਤੇ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਵੰਡ ਕੇ, ਇਹ ਇੰਡੈਕਸ ਇੱਕ ਬੁਨਿਆਦੀ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ: ਕੀ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ ਕਿ ਇਹਨਾਂ ਚਾਰ ਲੇਅਰਾਂ ਵਿੱਚੋਂ ਤੁਹਾਡੇ ਸਿਸਟਮ ਅਸਲ ਵਿੱਚ ਕਿਹੜੇ ਨਾਲ ਸੰਪਰਕ ਕਰਦੇ ਹਨ?

ਜੇਕਰ ਤੁਸੀਂ ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLM) ਚਲਾ ਰਹੇ ਹੋ, ਤਾਂ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਤੁਸੀਂ ਚਾਰੇ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ। ਤੁਸੀਂ ਮਾਡਲ ਵੇਟਸ ਅਤੇ ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਨਿਰਭਰ ਹੋ। ਤੁਸੀਂ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਜਾਂ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਲਈ ਵਰਤੇ ਗਏ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਨਿਰਭਰ ਹੋ, ਭਾਵੇਂ ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਦੇ ਡਾਊਨਲੋਡ ਨਾ ਕੀਤਾ ਹੋਵੇ। ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਕਨਵਰਟ, ਕਵਾਟਾਈਜ਼ (quantize), ਜਾਂ ਸਰਵ ਕਰਨ ਲਈ ਸਾਫਟਵੇਅਰ ਟੂਲਜ਼ 'ਤੇ ਨਿਰਭਰ ਹੋ। ਅਤੇ ਜੇਕਰ ਤੁਸੀਂ GPUs ਜਾਂ ਵਿਸ਼ੇਸ਼ ਐਕਸਲਰੇਟਰਾਂ 'ਤੇ ਚੱਲ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਫਰਮਵੇਅਰ ਅਤੇ ਡਰਾਈਵਰ ਸਟੈਕ 'ਤੇ ਨਿਰਭਰ ਹੋ ਜੋ ਹਾਰਡਵੇਅਰ ਸ਼੍ਰੇਣੀ ਦੇ ਅਧੀਨ ਆਉਂਦੇ ਹਨ।

ਸੁਰੱਖਿਆ ਦਾ ਦੋ-ਧਾਰੀ ਤਲਵਾਰ

ਇਹ ਡੇਟਾਸੈਟ ਦੋ ਮਾਲਕਾਂ ਦੀ ਸੇਵਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਸੁਰੱਖਿਆ ਲੀਡਰਾਂ ਨੂੰ ਦੋਵਾਂ ਪਾਸਿਆਂ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ।

ਰੱਖਿਆਤਮਕ ਪੱਖ (defensive side) 'ਤੇ, Gap Map ਤੁਹਾਡੀ AI ਸਪਲਾਈ ਚੇਨ ਲਈ ਇੱਕ ਫੋਨ ਬੁੱਕ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਆਪਣੀ ਸੰਸਥਾ ਦੀਆਂ ਰਿਪੋਜ਼ਟਰੀਆਂ ਅਤੇ ਟੂਲਜ਼ ਦੀ ਤੁਲਨਾ ਇਸ ਇੰਡੈਕਸ ਨਾਲ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਆਪਣੀ ਦਿੱਖ (visibility) ਵਿੱਚ ਕਮੀਆਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹੋ। ਜੇਕਰ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਰਿਪੋਜ਼ਟਰੀ ਮੈਪ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਪਰ ਤੁਹਾਡੇ ਸਾਫਟਵੇਅਰ ਬਿੱਲ ਆਫ ਮਟੀਰੀਅਲਜ਼ (SBOM) ਵਿੱਚ ਨਹੀਂ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ਸ਼ੈਡੋ AI ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਲੱਭ ਲਿਆ ਹੈ। ਕਿਸੇ ਦੁਸ਼ਮਣ ਦੁਆਰਾ ਇਸਨੂੰ ਲੱਭਣ ਤੋਂ ਪਹਿਲਾਂ ਇਸ ਬਾਰੇ ਜਾਣਨਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ।

ਹਮਲਾਵਰ ਪੱਖ (offensive side) 'ਤੇ, ਇਹ ਡੇਟਾਸੈਟ ਰੀਕੋਨਸੈਂਸ (reconnaissance) ਲਈ ਸੁਨਹਿਰੀ ਮੌਕਾ ਹੈ। ਹਮਲਾਵਰ ਲਗਾਤਾਰ ਖੁੱਲ੍ਹੇ AI ਇਨਫਰਾਸਟ੍ਰ

Start by pulling a list of every open-source AI component your teams currently use. Look beyond the obvious. Ask which repositories supply your tokenizers, your evaluation scripts, your quantization libraries, and your container base images. Then check those repositories against the 16,000 tracked in the Gap Map. If you find matches, you have confirmed that your dependencies live in one of the most prominently indexed corners of the open-source AI world. That prominence cuts both ways. It usually means active maintenance and community scrutiny, but it also means attackers know these repositories exist.

Next, look at the YAML structure itself. Each of the 1,184 files connects products to their underlying repositories in a standardized format. You can write a simple script to compare your dependency manifests, package lists, or SBOM exports against these mappings. If you discover that your production stack relies on repositories you had never heard of, dig deeper. Unknown dependencies are where supply chain attacks hide.

Pay special attention to the hardware layer. Security teams often focus on software and models while treating drivers and firmware as background noise. The Gap Map explicitly indexes hardware-related repositories, which should remind you that GPU driver stacks, compiler toolchains, and accelerator firmware are code too. They have bugs. They get updated. And when they are out of date, they can be the softest target in your pipeline.

Finally, use the