Współzałożyciel Ethereum, Vitalik Buterin, opracował open source'owy system prywatności dla agentów AI, który łączy routing Tor, anonimowe płatności i lokalnie przetwarzane prompty, aby ograniczyć ekspozycję informacji użytkownika podczas korzystania z dużych modeli językowych.
Podsumowanie
- Vitalik Buterin opracował open source'owy system prywatności AI, który łączy routing Tor, płatności zkAPI i lokalne przepisywanie promptów.
- Każda rozmowa z AI wykorzystuje oddzielny obwód Tor, z dodanym losowym ruchem maskującym, aby utrudnić śledzenie żądań.
- System działa przez interfejs kompatybilny z OpenAI i wykorzystuje ograniczenia sandboxa do kierowania aktywności sieciowej przez Tor.
- Buterin powiedział, że konfiguracja staje się użyteczna, ale przyznał, że występują wolniejsze czasy odpowiedzi i słabości wobec skoordynowanej analizy ruchu.
- Oczekuje tańszych kosztów depozytu i wypłaty zkAPI w sieci głównej Ethereum, chociaż data wdrożenia nie została potwierdzona.
W poście na X Buterin powiedział, że zbudował „tryb paranoidalny” dla swojego harnessa agenta AI, pi, używając zkAPI, losowego ruchu maskującego i lokalnego modelu językowego do przepisywania żądań, zanim dotrą do zewnętrznego dostawcy AI.
Konfiguracja działa przez daemon kompatybilny z API OpenAI, co pozwala funkcjom prywatności działać jako oddzielna warstwa między agentem a usługą modelu językowego.
Buterin opublikował odpowiedni kod na GitHubie, chociaż przyznał, że system wprowadza znaczne opóźnienia i pozostaje podatny na niektóre formy analizy ruchu.
System prywatności AI Vitalika Buterina wykorzystuje oddzielne obwody Tor
Zgodnie z technicznym opisem Buterina, każda rozmowa z AI otrzymuje oddzielny obwód Tor, a żądania są mieszane z losowym ruchem maskującym, aby utrudnić rozróżnienie aktywności sieciowej.
Tor kieruje ruch internetowy przez wiele przekaźników, aby ukryć pochodzenie połączenia. W implementacji Buterina oddzielne obwody zapewniają izolację sieciową między rozmowami.
Dodatkowy ruch maskujący ma na celu utrudnienie obserwatorowi identyfikacji rzeczywistych żądań AI na podstawie wzorców komunikacji.
Prywatność płatności jest obsługiwana przez zkAPI, co według Buterina uniemożliwia użytkownikom ujawnienie swoich tożsamości poprzez informacje o płatnościach podczas korzystania z usług AI.
System zawiera lokalny mechanizm przepisywania promptów. Zanim żądanie dotrze do zewnętrznego modelu językowego, inny model działający na urządzeniu użytkownika przetwarza oryginalny tekst.
Buterin opisał tę funkcję jako rozwiązanie typu bring-your-own-local-model, pozwalające użytkownikom wybrać model odpowiedzialny za przepisywanie ich promptów.
Jego własna konfiguracja używa qwen3.8-flash-next, zgodnie z postem.
Lokalne przepisywanie zapewnia oddzielną warstwę ochrony od komponentów routingu sieciowego i płatności. Jednak Buterin nie twierdził, że przepisane prompty eliminują wszelkie możliwości identyfikacji użytkownika poprzez informacje, które przesyła.
Implementacja łączy te funkcje wewnątrz daemona, który obsługuje interfejs API OpenAI, pozwalając agentowi wysyłać żądania przez wrapper prywatności.
Ograniczenia sandboxa dodają kolejną warstwę izolacji
Poza routingiem sieciowym i przetwarzaniem promptów, Buterin umieścił harness agenta pi wewnątrz sandboxa bubblewrap, czyli bwrap.
Bubblewrap to narzędzie do sandboxingu w systemie Linux, które może ograniczyć dostęp programu do części jego środowiska operacyjnego.
Buterin powiedział, że eksperymentuje z technologią MicroVM jako kolejną opcją izolacji, chociaż post nie potwierdzał, że konfiguracja MicroVM stała się częścią ukończonej implementacji.
Agent w piaskownicy jest opakowany w torsocks, narzędzie, które kieruje obsługiwane połączenia sieciowe przez Tora.
Według Buterina rozwiązanie to ma na celu zapewnienie, że aktywność sieciowa agenta przechodzi przez Tora, zamiast nawiązywać bezpośrednie połączenia.
Projekt techniczny odnosi się zatem do kilku odrębnych źródeł potencjalnego ujawnienia informacji, w tym połączeń sieciowych, zapisów płatności, treści podpowiedzi i środowiska, w którym działa agent AI.
Buterin zademonstrował to rozwiązanie za pomocą prostego zadania badawczego i stwierdził, że oprogramowanie staje się użyteczne w praktycznej pracy.
„Staje się całkiem użyteczne!” – napisał, przyznając jednocześnie, że użytkownicy nadal napotykają znaczne opóźnienia.
Wyróżnił początek nowej rozmowy jako szczególnie wolny etap procesu.
W poście nie podano wyników testów porównawczych, średnich czasów odpowiedzi ani porównania z niechronioną wersją tego samego agenta.
Ochrona Tora pozostaje podatna na skoordynowaną analizę ruchu
Mimo dodatkowych środków ochrony prywatności Buterin przyznał, że Tor nie był idealną siecią dla opracowanego przez niego systemu.
Stwierdził, że losowy ruch maskujący oferuje rozsądną ochronę przed pasywnymi obserwatorami, ale wskazał na trudniejsze zagrożenie związane ze współpracą między dostawcą AI a przekaźnikiem strażniczym Tora.
Przekaźnik strażniczy to pierwszy przekaźnik używany przez klienta Tora do wejścia do sieci.
W scenariuszu opisanym przez Buterina dostawca AI współpracujący ze strażnikiem mógłby aktywnie manipulować czasem żądań i odpowiedzi, aby zidentyfikować wzorce w ruchu.
Według jego oceny taka koordynacja znacznie zmniejszyłaby skuteczność losowego ruchu maskującego.
Buterin argumentował, że tego typu aplikacja skorzystałaby na wyspecjalizowanym mixnecie, sieci prywatności zaprojektowanej tak, aby utrudnić powiązanie komunikacji przychodzącej i wychodzącej poprzez analizę ruchu.
Jego proponowane podejście wiązałoby się z wyższym zapotrzebowaniem na przepustowość i stałym ruchem maskującym wbudowanym bezpośrednio w sieć.
Stały ruch maskujący oznaczałby generowanie dodatkowej aktywności sieciowej nawet wtedy, gdy użytkownicy nie wysyłają prawdziwych żądań, zamiast polegać wyłącznie na losowo wstawianym ruchu.
Buterin nie ogłosił działającej implementacji mixnetu ani nie podał harmonogramu jej opracowania.
W swoich komentarzach opisał tę sieć jako potencjalne ulepszenie techniczne w stosunku do obecnego rozwiązania z Torem, które określił jako niedoskonałe rozwiązanie do ochrony interakcji z AI.
Oczekuje się, że koszty płatności zkAPI spadną na Ethereum
Buterin zakończył swoją aktualizację osobnym doniesieniem dotyczącym kosztu korzystania z zkAPI.
Powiedział, że znacznie tańsze koszty gazu dla depozytów i wypłat zkAPI wkrótce pojawią się w głównej sieci Ethereum.
Oświadczenie nie określało oczekiwanej redukcji kosztów transakcji, mechanizmu odpowiedzialnego za oszczędności ani daty wdrożenia.
Depozyty i wypłaty są oddzielone od funkcji prywatności sieci w opakowaniu agenta, które wykorzystuje zkAPI do rozwiązania problemu możliwości ujawnienia tożsamości poprzez płatności.
Post Buterina nie wskazywał, których zewnętrznych dostawców modeli językowych użyto w jego demonstracji, ani nie ujawniał całkowitego kosztu uruchomienia połączonych narzędzi prywatności.
Ogłoszone zmiany kosztów gazu pozostają w zawieszeniu, a w poście nie podano potwierdzonej daty aktywacji w głównej sieci.
Wcześniejsze prace nad zkAPI stanowią kontekst dla najnowszego eksperymentu Buterina
Najnowsza implementacja następuje po uruchomieniu 1 października przez Ethereum Foundation i Open Anonymity Project, które wprowadziło zkAPI jako system płatności za usługi rozliczane na podstawie zużycia.
Zgodnie z ogłoszeniem technicznym Fundacji użytkownicy deponują środki w skarbcu Ethereum i autoryzują późniejsze korzystanie z API za pomocą dowodów wiedzy zerowej.
System może wydawać krótkotrwałe poświadczenia API z limitami wydatków, umożliwiając pojedynczej autoryzacji pokrycie wielu żądań w ramach sesji.
Autoryzacja płatności i szybkie dostarczanie są obsługiwane oddzielnie. Usługa płatnicza weryfikuje uprawnienia do wydatków bez otrzymywania rozmowy, podczas gdy dostawca modelu przetwarza prompt bez otrzymywania tożsamości finansującej użytkownika.
Fundacja przyznała, że mechanizm płatności nie ukrywa niezależnie adresów IP ani informacji zawartych w promptach. Te ograniczenia zostały zbadane w analizie prywatności zkAPI z 2 października analiza prywatności zkAPI.
4 października Buterin przetestował trójwarstwową konfigurację wykorzystującą osobiste informacje zdrowotne i podróżne do generowania zaleceń dotyczących diety i ćwiczeń.
Jak wcześniej informował crypto.news, wcześniejszy eksperyment wykorzystywał lokalny model Qwen do decydowania, jakie informacje powinny być udostępniane zdalnym usługom AI. Buterin zgłosił prędkości przetwarzania około 20 do 30 tokenów na sekundę i stwierdził, że prędkości przekraczające 100 tokenów na sekundę byłyby preferowane.
Prace Ethereum nad autonomicznymi agentami obejmują infrastrukturę tożsamości ERC-8004, której wdrożenie do mainnetu zaplanowano na styczeń 2026 roku. Standard zapewnia rejestry tożsamości i reputacji agentów, co jest oddzielną funkcją od prywatnej autoryzacji płatności obsługiwanej przez zkAPI.
Najnowszy post Buterina opisuje dodatkowe mechanizmy kontroli wokół wcześniejszego rozwiązania prywatnościowego, w tym obwody Tor specyficzne dla rozmowy, losowy ruch maskujący i ograniczenia piaskownicy.
