Enthüllung eines massiven Datendiebstahls
Ein Hacker, der in die Systeme des KI‑Musik‑Generators Sun Suno eindrang, hat beispiellose Einblicke in die Art und Weise gewonnen, wie das Unternehmen seine Trainingsdaten zusammenstellt. Laut den an 404 Media übermittelten Unterlagen wurden über zehn Millionen Musik‑Clips sowie unzählige Textinhalte von Plattformen wie YouTube Music, Deezer und Genius systematisch abgekratzt.
Die Quelle der Daten – ein Überblick
Die geleakten Dateien enthalten detaillierte Anweisungen zum Scraping. Kommentare verweisen auf Datenquellen mit den Kürzeln genius_hq, youtube_music, freesound, jamendo, imp, deezer, ytm_tagged. Zusätzlich wurden Inhalte aus Stock‑Bibliotheken wie Pond5, Jamendo, Freesound und dem International Music Score Library Project (IMSLP) sowie Podcasts über RSS‑Feeds eingespeist.
Einzelne Log‑Einträge belegen, dass allein die Datei youtube_music zum Zeitpunkt des letzten Updates über 2 013 545 Musikausschnitte enthielt. Andere Statistiken zeigen ein beachtliches Volumen: 113 879 Stunden YouTube‑Music, 17 615 Stunden Genius‑HQ, 410 Stunden Freesound, 19 514 Stunden IMSLP, 3 726 Stunden Jamendo, 62 117 Stunden Pond5‑Music, 12 287 Stunden Deezer, 152 162 Stunden YTM‑Tagged und 103 Stunden Musescore‑Lyrics. Das entspricht zusammen Jahrzehnten an Audiodaten.
Rechtliche Verwicklungen
Suno gilt als einer der größten KI‑Musik‑Generatoren im Netz und steht bereits seit geraumer Zeit im Visier der Musikindustrie. Mehrere Klagen werfen dem Unternehmen vor, urheberrechtlich geschützte Werke ohne Genehmigung verwendet zu haben. Suno argumentierte bislang, dass das Training auf einer breiten Basis von öffentlich zugänglichen Dateien unter „fair use“ falle – ein Ansatz, der bislang nur in einem Fall zu einem Vergleich geführt hat.
Die jüngste Datenpanne liefert eindeutige Beweise dafür, dass Suno Songs direkt von YouTube kopiert hat, wie die Recording Industry Association of America (RIAA) bereits behauptete. Der Hacker stellte zudem personenbezogene Daten von Hunderttausenden Kunden sowie Stripe‑Zahlungsinformationen zur Verfügung.
Folgen für die KI‑Branche
Der Vorfall wirft ein Schlaglicht auf die wenig diskutierten Praktiken beim Aufbau von KI‑Modellen. Während Entwickler*innen häufig betonen, dass große, diversifizierte Datensätze nötig seien, verdeutlicht dieser Hack, dass die Herkunft der Daten häufig im Graubereich des Urheberrechts liegt. Die Branche muss nun entscheiden, inwieweit transparente Lizenzierung und ethisches Scraping als Basis für zukünftige Modelle gelten können.
Die veröffentlichten Unterlagen geben nicht nur Aufschluss über das Ausmaß von Sunos Datenbank, sondern auch über die internen Prozesse, die das Unternehmen zum Sammeln, Filtern und Klassifizieren von Audio‑ und Textinhalten verwendet.
Die Enthüllungen könnten weitere rechtliche Schritte nach sich ziehen und die Diskussion um KI‑Urheberrechtsschutz neu entfachen.
Source: https://www.404media.co/hack-reveals-suno-ai-music-generator-scraped-youtube-deezer-and-genius/