Ethereum-Mitbegründer Vitalik Buterin hat ein Open-Source-Datenschutzsystem für KI-Agenten entwickelt, das Tor-Routing, anonyme Zahlungen und lokal verarbeitete Prompts kombiniert, um die Preisgabe von Nutzerinformationen beim Zugriff auf große Sprachmodelle zu verringern.
Zusammenfassung
- Vitalik Buterin hat ein Open-Source-KI-Datenschutzsystem entwickelt, das Tor-Routing, zkAPI-Zahlungen und lokale Prompt-Umschreibung kombiniert.
- Jede KI-Konversation verwendet einen separaten Tor-Schaltkreis, wobei zufälliger Deckverkehr hinzugefügt wird, um Anfragen schwerer nachverfolgbar zu machen.
- Das System läuft über eine OpenAI-kompatible Schnittstelle und verwendet Sandbox-Einschränkungen, um Netzwerkaktivitäten über Tor zu leiten.
- Buterin sagte, die Einrichtung werde allmählich nutzbar, räumte jedoch langsamere Antwortzeiten und Schwächen gegenüber koordinierter Verkehrsanalyse ein.
- Er erwartet günstigere zkAPI-Ein- und -Auszahlungskosten im Ethereum-Mainnet, obwohl kein Bereitstellungsdatum bestätigt wurde.
In einem X-Beitrag sagte Buterin, er habe einen „Paranoid-Modus“ für sein KI-Agenten-Harness pi entwickelt, der zkAPI, zufälligen Deckverkehr und ein lokales Sprachmodell nutzt, um Anfragen umzuschreiben, bevor sie einen externen KI-Anbieter erreichen.
Die Einrichtung läuft über einen mit der OpenAI-API kompatiblen Daemon, wodurch die Datenschutzfunktionen als separate Schicht zwischen dem Agenten und dem Sprachmodell-Dienst arbeiten können.
Buterin hat den relevanten Code auf GitHub veröffentlicht, räumte jedoch ein, dass das System erhebliche Verzögerungen mit sich bringt und weiterhin anfällig für bestimmte Formen der Verkehrsanalyse bleibt.
Vitalik Buterins KI-Datenschutzsystem verwendet separate Tor-Schaltkreise
Laut Buterins technischer Beschreibung erhält jede KI-Konversation einen separaten Tor-Schaltkreis, während Anfragen mit zufälligem Deckverkehr vermischt werden, um Netzwerkaktivitäten schwerer unterscheidbar zu machen.
Tor leitet Internetverkehr über mehrere Relais, um den Ursprung einer Verbindung zu verbergen. In Buterins Implementierung bieten die separaten Schaltkreise Netzwerkisolation zwischen Konversationen.
Der zusätzliche Deckverkehr soll es einem Beobachter erschweren, tatsächliche KI-Anfragen anhand von Kommunikationsmustern zu identifizieren.
Die Zahlungsprivatsphäre wird durch zkAPI gehandhabt, was laut Buterin verhindert, dass Nutzer ihre Identität beim Zugriff auf KI-Dienste durch Zahlungsinformationen preisgeben.
Das System enthält einen lokalen Mechanismus zur Prompt-Umschreibung. Bevor eine Anfrage das externe Sprachmodell erreicht, verarbeitet ein weiteres auf dem Gerät des Nutzers laufendes Modell den Originaltext.
Buterin beschrieb die Funktion als eine Bring-your-own-Local-Model-Regelung, die es Nutzern ermöglicht, das Modell auszuwählen, das für die Umschreibung ihrer Prompts verantwortlich ist.
Seine eigene Einrichtung verwendet laut dem Beitrag qwen3.8-flash-next.
Die lokale Umschreibung bietet eine separate Schutzschicht gegenüber den Netzwerk-Routing- und Zahlungskomponenten. Buterin behauptete jedoch nicht, dass umgeschriebene Prompts jede Möglichkeit beseitigen, einen Nutzer anhand der übermittelten Informationen zu identifizieren.
Die Implementierung vereint diese Funktionen in einem Daemon, der die OpenAI-API-Schnittstelle unterstützt, sodass der Agent Anfragen über den Datenschutz-Wrapper senden kann.
Sandbox-Einschränkungen fügen eine weitere Isolationsschicht hinzu
Über Netzwerk-Routing und Prompt-Verarbeitung hinaus hat Buterin das pi-Agenten-Harness in eine bubblewrap- oder bwrap-Sandbox gesteckt.
Bubblewrap ist ein Linux-Sandboxing-Dienstprogramm, das den Zugriff eines Programms auf Teile seiner Betriebsumgebung einschränken kann.
Buterin sagte, er experimentiere mit MicroVM-Technologie als weitere Isolationsoption, obwohl der Beitrag nicht belegt, dass die MicroVM-Einrichtung Teil der fertigen Implementierung geworden ist.
Der in einer Sandbox isolierte Agent ist mit torsocks umhüllt, einem Dienstprogramm, das unterstützte Netzwerkverbindungen über Tor leitet.
Laut Buterin soll diese Anordnung sicherstellen, dass die Netzwerkaktivität des Agenten über Tor läuft, anstatt direkte Verbindungen herzustellen.
Das technische Design adressiert daher mehrere separate Quellen möglicher Informationsoffenlegung, darunter Netzwerkverbindungen, Zahlungsdatensätze, Prompt-Inhalte und die Umgebung, in der der KI-Agent operiert.
Buterin demonstrierte die Anordnung anhand einer einfachen Rechercheaufgabe und sagte, die Software werde für praktische Arbeit nutzbar.
„Es wird ziemlich nutzbar!“, schrieb er, räumte jedoch ein, dass Nutzer weiterhin mit erheblicher Latenz konfrontiert sind.
Er hob den Beginn einer neuen Konversation als besonders langsamen Teil des Prozesses hervor.
Der Beitrag lieferte keine Benchmark-Ergebnisse, durchschnittlichen Antwortzeiten oder einen Vergleich mit einer ungeschützten Version desselben Agenten.
Tor-Schutz bleibt anfällig für koordinierte Verkehrsanalyse
Trotz der zusätzlichen Datenschutzmaßnahmen räumte Buterin ein, dass Tor kein ideales Netzwerk für das von ihm entwickelte System sei.
Er sagte, der zufällige Deckverkehr biete einen angemessenen Schutz gegen passive Beobachter, identifizierte jedoch eine schwierigere Bedrohung, die eine Zusammenarbeit zwischen einem KI-Anbieter und einem Tor-Guard-Relay beinhaltet.
Ein Guard-Relay ist das erste Relay, das ein Tor-Client verwendet, um in das Netzwerk einzutreten.
In dem von Buterin beschriebenen Szenario könnte ein KI-Anbieter, der mit dem Guard zusammenarbeitet, aktiv das Timing von Anfragen und Antworten manipulieren, um Muster im Verkehr zu identifizieren.
Eine solche Koordination würde den zufälligen Deckverkehr nach seiner Einschätzung erheblich weniger wirksam machen.
Buterin argumentierte, dass diese Art von Anwendung von einem spezialisierten Mixnet profitieren würde, einem Datenschutznetzwerk, das darauf ausgelegt ist, eingehende und ausgehende Kommunikation durch Verkehrsanalyse schwerer verbindbar zu machen.
Sein vorgeschlagener Ansatz würde einen höheren Bandbreitenbedarf und konstanten Deckverkehr erfordern, der direkt in das Netzwerk integriert ist.
Konstanter Deckverkehr würde bedeuten, zusätzliche Netzwerkaktivität zu erzeugen, selbst wenn Nutzer keine echten Anfragen stellen, anstatt sich nur auf zufällig eingefügten Verkehr zu verlassen.
Buterin kündigte keine funktionierende Mixnet-Implementierung an und nannte keinen Zeitplan für deren Entwicklung.
In seinen Kommentaren beschrieb er das Netzwerk als eine potenzielle technische Verbesserung gegenüber der aktuellen Tor-Anordnung, die er als unvollkommene Lösung zum Schutz von KI-Interaktionen charakterisierte.
zkAPI-Zahlungskosten sollen auf Ethereum sinken
Buterin beendete sein Update mit einer separaten Entwicklung bezüglich der Kosten für die Nutzung von zkAPI.
Er sagte, dass deutlich günstigere Gas-Kosten für zkAPI-Einzahlungen und -Auszahlungen bald im Ethereum-Mainnet verfügbar sein werden.
Die Aussage spezifizierte nicht die erwartete Reduzierung der Transaktionskosten, den für die Einsparungen verantwortlichen Mechanismus oder ein Bereitstellungsdatum.
Einzahlungen und Auszahlungen sind getrennt von den Netzwerk-Datenschutzfunktionen im Agenten-Wrapper, der zkAPI verwendet, um die Möglichkeit der Identitätsoffenlegung durch Zahlungen zu adressieren.
Buterins Beitrag gab nicht an, welche externen Sprachmodellanbieter in seiner Demonstration verwendet wurden, und legte nicht die Gesamtkosten für den Betrieb der kombinierten Datenschutzwerkzeuge offen.
Die angekündigten Änderungen der Gas-Kosten stehen noch aus, und im Beitrag wurde kein bestätigtes Aktivierungsdatum für das Mainnet genannt.
Frühere zkAPI-Arbeiten liefern Kontext für Buterins neuestes Experiment
Die neueste Implementierung folgt auf einen Start am 1. Oktober durch die Ethereum Foundation und das Open Anonymity Project, die zkAPI als Zahlungssystem für nutzungsabhängige Dienste einführten.
Laut der technischen Ankündigung der Foundation zahlen Nutzer Gelder in einen Ethereum-Tresor ein und autorisieren spätere API-Nutzung durch Zero-Knowledge-Beweise.
Das System kann kurzlebige API-Anmeldeinformationen mit Ausgabenlimits ausstellen, wodurch eine einzelne Autorisierung mehrere Anfragen während einer Sitzung abdecken kann.
Die Zahlungsautorisierung und die schnelle Lieferung werden getrennt behandelt. Der Zahlungsdienst überprüft die Ausgaberechte, ohne die Konversation zu erhalten, während der Modellanbieter den Prompt verarbeitet, ohne die Finanzierungsidentität des Nutzers zu erhalten.
Die Foundation räumte ein, dass der Zahlungsmechanismus IP-Adressen oder in Prompts enthaltene Informationen nicht eigenständig verbirgt. Diese Einschränkungen wurden in einer Analyse vom 2. Oktober zur zkAPI-Privatsphäre untersucht.
Am 4. Oktober testete Buterin ein dreischichtiges Setup unter Verwendung persönlicher Gesundheits- und Reiseinformationen, um Ernährungs- und Trainingsempfehlungen zu generieren.
Wie crypto.news zuvor berichtete, verwendete das frühere Experiment ein lokales Qwen-Modell, um zu entscheiden, welche Informationen mit entfernten KI-Diensten geteilt werden sollten. Buterin berichtete von Verarbeitungsgeschwindigkeiten von etwa 20 bis 30 Tokens pro Sekunde und sagte, dass Geschwindigkeiten von über 100 Tokens pro Sekunde vorzuziehen wären.
Ethereums Arbeit an autonomen Agenten umfasst ERC-8004-Identitätsinfrastruktur, die für eine Mainnet-Einführung im Januar 2026 geplant war. Der Standard bietet Register für Agentenidentität und -reputation, eine separate Funktion von der privaten Zahlungsautorisierung, die von zkAPI abgewickelt wird.
Buterins neuester Beitrag beschreibt zusätzliche Kontrollen rund um die frühere Datenschutzregelung, darunter gesprächsspezifische Tor-Schaltkreise, zufälligen Deckverkehr und Sandbox-Einschränkungen.
