Соучредитель Ethereum Виталик Бутерин протестировал ориентированную на конфиденциальность систему ИИ, которая использует локальную модель, zkAPI и Tor для генерации персонализированных рекомендаций по диете и физическим упражнениям, ограничивая при этом личную информацию, отправляемую удалённым моделям.
Сводка
- Виталик Бутерин тестирует приватные ИИ-рекомендации по здоровью с использованием локальной Qwen, zkAPI и маршрутизации через Tor.
- Его локальная модель переписывает запросы, прежде чем удалённые модели получают ограниченные данные о здоровье и поездках.
- zkAPI отделяет платёжную идентичность от запросов к модели, а Tor используется для маскировки информации об IP.
- Бутерин заявил, что задержка Tor остаётся в 10–100 раз выше, что делает разъединение запросов по одному неэффективным в текущих тестах.
- Qwen3.8-Flash-Next работает локально на скорости около 20–30 TPS, тогда как Бутерин хочет скорости выше 100 TPS для комфорта.
Бутерин сказал 4 октября, что самоэксперимент использует его информацию о здоровье и поездках локально, в то время как более мощные удалённые модели обрабатывают отдельные вопросы, требующие более сильного рассуждения или знаний.
В системе используется Qwen3.8-Flash-Next от Alibaba в качестве локальной модели. Бутерин сказал, что локальная система решает, какая информация нужна удалённой модели, и переписывает запросы перед отправкой, снижая вероятность того, что личные данные или его стиль письма раскроют его личность.
Виталик Бутерин использует три уровня для разделения своей личности
Бутерин описал эту схему как трёхуровневую систему конфиденциальности, охватывающую содержание запросов, платёжную информацию и интернет-трафик. Локальная модель Qwen обрабатывает первый уровень, самостоятельно формируя запросы вместо отправки его исходных формулировок и полного личного контекста удалённым ИИ-системам.
Второй уровень использует zkAPI для отделения платежей от отдельных ИИ-запросов. Ethereum Foundation представил zkAPI 1 октября, описав его как систему, позволяющую пользователям оплачивать API с оплатой по факту использования, не связывая отдельные запросы с их личностью. Проект был создан Open Anonymity Project в сотрудничестве с Ethereum Foundation и работает в основной сети Ethereum.
В рамках zkAPI пользователь пополняет приватный баланс и позже доказывает, что доступно достаточно средств, не показывая, какой именно депозит оплачивает конкретный запрос. Служба, обрабатывающая платёж, не нуждается в запросе пользователя, а ИИ-провайдер получает запрос, не узнавая платёжную идентичность, связанную с депозитом.
Tor обеспечивает третий уровень, скрывая обычный IP-адрес пользователя от служб, получающих сетевые запросы. Бутерин написал, что все три защиты необходимы, поскольку сокрытие только платёжной информации не мешает ИИ-провайдеру узнать детали из содержания запроса или сетевых метаданных.
«Нужны все три», — сказал Бутерин.
zkAPI не скрывает всё, что отправляется ИИ-модели
Схема конфиденциальности не мешает удалённым ИИ-провайдерам читать информацию, намеренно включённую в запрос. Официальная документация zkAPI указывает, что вышестоящий провайдер по-прежнему видит запросы, тогда как сетевая информация и информация о времени может оставаться наблюдаемой вне системы доказательств с нулевым разглашением.
Ethereum Foundation провёл то же различие при запуске zkAPI. В его объяснении от 1 октября говорилось, что платёжная система скрывает связь между пользователем и запросом, но конфиденциальность содержимого и анонимность сети требуют отдельных защит. Повторно используемые личные данные, шаблоны письма, история переписки или документы всё ещё могут позволить связать сессии.
Локальная модель Бутерина предназначена для снижения такой экспозиции контента. Файл навыка указывает модели, когда использовать удалённую систему и как построить запрос, содержащий меньше идентифицирующей информации. Его личные медицинские записи и записи о поездках остаются доступными локальной системе, в то время как удалённая модель получает только ту часть, которая выбрана для конкретной задачи.
Бутерин сказал, что эта конфигурация выдавала рекомендации по диете и упражнениям, и что информация, возвращаемая передовыми моделями, улучшала результаты. Он не публиковал лежащие в основе медицинские записи, подробные рекомендации или независимую оценку их точности.
Эксперимент согласуется с его более ранним вниманием к приватности, поскольку системы ИИ обрабатывают всё больше личной информации. Как ранее сообщалось в материале crypto.news о проблемах приватности Бутерина, в апреле 2025 года он утверждал, что растущие возможности ИИ и централизованный сбор данных увеличивают потребность в более сильных инструментах приватности.
Поддержка Tor достигла кодовой базы zkAPI
Бутерин дал ссылку на новое изменение в репозитории Ethereum zkAPI, которое добавляет поддержку клиента с маршрутизацией через Tor. GitHub показывает pull request #16 как открытый по состоянию на 4 октября, с одним коммитом, предлагающим изменения в семи файлах. Он ещё не был объединён в основную ветку проекта.
Предлагаемый код создаёт новый временный клиент Tor при запуске демона zkAPI. Скрипт использует новый каталог данных и соединение Tor, в то время как другая команда может перезапустить службу для новой сетевой идентичности перед началом нового одиночного запроса или разговора.
Патч изменяет несколько сетевых тайм-аутов, поскольку запросы, маршрутизируемые через Tor, могут занимать больше времени. Один тайм-аут списка моделей увеличивается с одной минуты до трёх минут, в то время как другие лимиты запросов возрастают с 15 секунд до 60 секунд и с пяти секунд до 30 секунд.
Отдельный скрипт клиента Tor, включённый в предложение, говорит, что новый сервер создаётся для одного запроса или начала нового разговора. Продолжающиеся сообщения в рамках одного разговора сохраняют существующий сервер работающим, что означает, что они не получают автоматически новую идентичность Tor для каждого сообщения.
Задержка Tor и скорость локального ИИ остаются проблемами
Бутерин назвал Tor одной из самых слабых частей текущего эксперимента. Он сказал, что Tor не был разработан для того типа разъединения запрос-за-запросом, которое он хочет, где отдельные вызовы ИИ в идеале было бы трудно связать друг с другом.
В его тестировании Tor создавал задержку примерно в 10–100 раз выше того, что он считал желательным. Изменения в GitHub, увеличивающие несколько лимитов тайм-аутов, согласуются с ожиданием более медленных сетевых запросов, когда клиент zkAPI маршрутизируется через Tor.
Локальная модель представляет собой ещё одно ограничение производительности. Бутерин сказал, что Qwen3.8-Flash-Next работала примерно на 20–30 токенов в секунду в его конфигурации, но он считал, что локальный вывод начнёт ощущаться быстрым только при более чем 100 токенов в секунду.
Команда Qwen от Alibaba выпустила Qwen3.8-Flash-Next 26 августа. Официальный репозиторий описывает её как открытую базовую модель с открытыми весами, которая может работать через локальные фреймворки вывода, включая развёртывания с использованием vLLM и SGLang.
Бутерин уже экспериментировал с локальными моделями Qwen до последнего теста приватности. Его текущая конфигурация идёт на шаг дальше, позволяя локальной модели выступать посредником между приватными файлами и удалёнными системами ИИ вместо того, чтобы держать каждую задачу полностью на устройстве пользователя.
Приватность также оставалась частью его работы над Ethereum. В связанном материале crypto.news сообщал об обновлённой дорожной карте Ethereum в августе, которая включала более сильную протокольную приватность наряду с работой над квантовой устойчивостью и нативными rollup.
Бутерин сказал, что правила написания запросов в его текущем эксперименте всё ещё нуждаются в улучшении, потому что удаление большего количества личного контекста может снизить полезность удалённых моделей. Он описал это ограничение напрямую: «чем осторожнее вы» с информацией, отправляемой удалённо, тем меньше помощи может предоставить удалённая модель.
Документация zkAPI Ethereum Foundation проводит аналогичное техническое различие. Платёжный слой может разорвать связь между пополненным балансом и индивидуальным использованием API, но он не может удалить идентифицирующую информацию, которую пользователь или локальный агент помещает в сам запрос.
