Vitalik Buterin kết hợp mô hình cục bộ và Tor để bảo vệ thông tin sức khỏe khi dùng AI

Vitalik Buterin công bố một thử nghiệm cá nhân nhằm nhận gợi ý về chế độ ăn và tập luyện từ AI dựa trên thông tin sức khỏe, du lịch mà giảm nguy cơ lộ danh tính. Thử nghiệm kết hợp mô hình chạy trên thiết bị, zkAPI và Tor, nhưng vẫn gặp hạn chế về tốc độ xử lý, độ trễ phản hồi và lượng thông tin AI có thể sử dụng.

Ngày 4, Vitalik Buterin chia sẻ thử nghiệm trên nền tảng mạng xã hội Farcaster. Theo Marsbit, hệ thống gồm ba lớp kết hợp mô hình cục bộ, zkAPI và Tor.

Ở lớp đầu tiên, mô hình chạy trên thiết bị soạn yêu cầu gửi đến AI từ xa, giúp giảm nguy cơ văn phong của người dùng trở thành manh mối nhận diện. Ở lớp thanh toán, zkAPI che giấu thông tin thanh toán; ở lớp mạng, Tor ẩn địa chỉ IP. Mã liên quan đã được gửi lên kho lưu trữ zkAPI của Ethereum.

Trong bài viết giới thiệu ngày 1 tháng 10, Ethereum Foundation cho biết zkAPI dùng bằng chứng không tiết lộ thông tin để thanh toán phí sử dụng API. Người dùng nạp tiền vào một vault trên Ethereum và xác minh quyền sử dụng bằng bằng chứng được tạo trên thiết bị. Máy chủ thanh toán không nhận prompt, còn nhà cung cấp AI được thiết kế để khó xác định danh tính gắn với khoản thanh toán. Tuy nhiên, quỹ lưu ý nhà cung cấp AI vẫn có thể thấy prompt và địa chỉ IP, đồng thời có khả năng liên kết các phiên dựa trên thời điểm yêu cầu hoặc thông tin cá nhân, văn phong lặp lại.

Phần giải thích về zkAPI của Ethereum Foundation cũng phân biệt việc giảm khả năng liên kết người thanh toán với lịch sử sử dụng với việc che giấu prompt và thông tin mạng. Thử nghiệm của Buterin bổ sung mô hình cục bộ và Tor để xử lý cả khâu soạn yêu cầu lẫn bảo vệ thông tin mạng.

Buterin nêu ba hạn chế. Theo Marsbit, ông cho rằng Tor kém hiệu quả trong việc ngắt liên kết giữa các yêu cầu và có độ trễ cao; mô hình cục bộ xử lý ở tốc độ 20–30 token mỗi giây (TPS). Ông cũng nhận định rằng quyền riêng tư càng được tăng cường thì mức hỗ trợ mà mô hình từ xa có thể cung cấp càng hạn chế.

Việc cung cấp nhiều thông tin sức khỏe, du lịch cá nhân và ngữ cảnh từ các cuộc trò chuyện trước có thể giúp AI đưa ra câu trả lời phù hợp hơn, nhưng thông tin trong yêu cầu cũng có thể trở thành manh mối suy đoán danh tính. Ngược lại, giảm lượng thông tin gửi đi có thể hạn chế rò rỉ nhưng cũng thu hẹp ngữ cảnh mà mô hình từ xa tham khảo. Thử nghiệm được công bố cho thấy tính ẩn danh trong thanh toán không đủ để bảo vệ cả nội dung yêu cầu lẫn thông tin mạng.