Bukan Lagi JSON! IBM Granite Luncurkan Format AI Penangkal Serangan
IBM Granite rilis format data LLMON pada model 3B dan 8B. Diklaim pangkas risiko pembajakan instruksi jauh melampaui model terbuka lainnya.
Gambar buatan AI, bukan foto asli (FLUX.1 schnell via Cloudflare Workers AI)
Poin penting
- Format LLMON memisahkan perintah kerja dan data dokumen agar AI tidak mudah tertipu teks berbahaya.
- Dalam pengujian OPI, format ini menangkal 95% serangan lebih banyak dibanding model terbuka terbaik.
- Tersedia sebagai versi uji coba pada model Granite 4.1 3B dan 8B lengkap dengan alat konversi JSON.
Tim pengembang IBM Granite memperkenalkan terobosan baru bernama LLMON (LLM Object Notation). Format penataan data khusus kecerdasan buatan ini dirancang untuk mengatasi kelemahan format JSON saat dibaca oleh model bahasa besar.
Laporan resmi yang dirilis melalui Hugging Face Blog mengungkapkan bahwa LLMON diintegrasikan ke dua model pratinjau eksperimental. Model tersebut mencakup varian granite-4.1-3b-LLMON-preview dan versi 8B.
Kenapa JSON Dianggap Rentan bagi AI
Selama ini, industri perangkat lunak mengandalkan JSON untuk menyusun data. Namun, format tersebut dirancang untuk mesin pengurai tradisional, bukan model bahasa yang bekerja memperkirakan kelanjutan kata berdasarkan probabilitas statistik.
Akibatnya, tanda kutip penutup kode dan tanda kutip biasa di dalam dokumen teks dianggap sama oleh model AI. Celah struktural ini kerap dimanfaatkan penyerang lewat teknik injeksi perintah tak langsung (indirect prompt injection).
Serangan tersebut menyusupkan perintah palsu di dalam dokumen kerja atau respons alat eksternal. Model AI yang terkecoh kemudian menjalankan instruksi manipulatif itu di luar kehendak pengguna sistem.
Pemisahan Tegas antara Perintah dan Data
LLMON memecahkan kendala tersebut dengan bahasa penanda (markup) mirip XML yang memakai token khusus bawaan. Struktur dan konten dipisahkan sejak awal, sehingga batas antarblok instruksi terbaca tegas oleh sistem.
Sistem ini menggunakan blok eksekusi terpisah untuk menentukan perintah mana yang sah dijalankan. Semua data rujukan, riwayat obrolan, maupun respons alat otomatis hanya diposisikan sebagai bahan bacaan pasif.
Dalam tolok ukur pengujian keamanan OPI, LLMON menunjukkan ketahanan signifikan terhadap manipulasi instruksi. Pendekatan ini tercatat menangkal 95% serangan lebih banyak dibanding model terbuka terbaik, serta melampaui model komersial terdepan sebesar 47%.
Pihak pengembang menyatakan peningkatan keamanan struktural ini tetap mempertahankan kecerdasan umum model. Kinerja pemecahan masalah harian terbukti setara dengan varian standar Granite 4.1 Instruct pada berbagai tolok ukur pengujian.
Apa Artinya bagi Pelaku Usaha
Inovasi ini relevan bagi perusahaan yang mulai memanfaatkan agen AI otonom untuk memproses berkas keuangan, dokumen hukum, maupun pesan pelanggan. Risiko data internal bocor akibat manipulasi teks luar dapat dicegah sejak level susunan data.
Karena rilis ini masih berstatus pratinjau eksperimental dan belum ditujukan untuk sistem produksi langsung, tim teknologi internal disarankan mengujinya terlebih dahulu. Pelaku usaha dapat memanfaatkan repositori kode dan modul konversi JSON yang disediakan pengembang di GitHub.
Langkah evaluasi ini membantu manajemen mengukur keandalan sistem otomasi kantor sebelum menerapkannya dalam skala penuh. Keamanan alur kerja digital perusahaan dapat diperkuat tanpa harus bergantung penuh pada infrastruktur komersial tertutup.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 6 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- Hugging Face Blog: LLMON: An LLM-Native Markup Language, now in Granite 4.1 3B and 8B
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| IBM Granite merilis format LLMON pada dua model pratinjau eksperimental: granite-4.1-3b-LLMON-preview dan granite-4.1-8b-LLMON-preview. | Didukung | “Today we are releasing two experimental preview models, derived from Granite 4.1 base models, trained to consume and generate LLMON-marked text: granite-4.1-3b-LLMON-preview and granite-4.1-8b-LLMON-preview” Hugging Face Blog menyebutkan peluncuran dua model pratinjau eksperimental Granite 4.1 3B dan 8B yang dilatih dengan LLMON. |
| LLMON merupakan singkatan dari LLM Object Notation. | Didukung | “we developed LLMON (LLM Object Notation, pronounced “lemon”)” Hugging Face Blog mendefinisikan kepanjangan LLMON. |
| LLMON memisahkan perintah instruksi dan muatan data menggunakan penanda khusus mirip XML berbasis token khusus. | Didukung | “LLMON, on the other hand, is an XML-like markup whose structural delimiters are reserved special tokens rather than characters, so structure and content use separate parts of the vocabulary.” Hugging Face Blog menjelaskan arsitektur penanda LLMON yang menyerupai XML dan memisahkan struktur dari konten. |
| Pengembang menyediakan alat konversi yang mampu menerjemahkan JSON ke LLMON secara bolak-balik tanpa kehilangan data (lossless). | Didukung | “we created conversion tools and example notebooks that translate JSON to LLMON and back in a lossless manner.” Hugging Face Blog menyatakan ketersediaan perkakas konversi lossless antara JSON dan LLMON. |
| Pada tolok ukur OPI, LLMON menghindari 95% serangan lebih banyak dibanding model sumber terbuka terbaik dan 47% lebih banyak dibanding model frontier komersial terbaik. | Didukung | “avoiding 47% more attacks relative to the best frontier model that we tested, and 95% more than the best open-source model.” Hugging Face Blog memuat persentase keunggulan ketahanan LLMON terhadap serangan injeksi pada uji OPI. |
| Kinerja kecerdasan umum model LLMON tercatat setara dengan model Granite 4.1 Instruct pada berbagai kategori tolok ukur standar. | Didukung | “Across standard benchmark categories, the LLMON models perform on par with the Granite 4.1 Instruct models.” Hugging Face Blog menyatakan performa umum model LLMON sebanding dengan versi instruct. |
Video AI terbaru
Autonomous Vehicle Safety: 5 Things to Know
