Vitalik, yapay zekâda sağlık verilerini korumak için yerel model ve Tor’u birleştirdi

Vitalik Buterin, sağlık ve seyahat bilgilerine dayanarak yapay zekâdan kişiselleştirilmiş beslenme ve egzersiz önerileri alırken kimliğinin açığa çıkma riskini azaltmayı amaçlayan kişisel deneyini paylaştı. Yerel model, zkAPI ve Tor’u bir araya getiren sistemin işlem hızı, yanıt gecikmesi ve kullanılabilecek bilgi miktarı açısından sınırlamaları olduğunu belirtti.

Buterin, deneyin ayrıntılarını 4’ünde Farcaster’da yayımladı. Masbit’in aktardığına göre sistem; yerel model, zkAPI ve Tor’dan oluşan üç aşamalı bir yapıya sahip.

İlk aşamada cihazdaki yerel model, uzak yapay zekâya gönderilecek isteği oluşturuyor. Böylece kullanıcının yazım tarzının kimliğini açığa çıkarabilecek bir ipucu hâline gelmesi önlenmeye çalışılıyor. Ödeme aşamasında zkAPI ödeme bilgilerini gizliyor; ağ aşamasında ise Tor IP adresini saklıyor. İlgili kod, Ethereum zkAPI deposuna gönderildi.

Ethereum Vakfı, 1 Ekim’de yayımladığı açıklamada zkAPI’nin API ücretlerinin sıfır bilgi kanıtlarıyla ödenmesini sağlayan bir yapı olduğunu bildirdi. Kullanıcılar Ethereum kasasına para yatırıyor ve cihazlarında oluşturdukları kanıtla kullanım yetkilerini doğruluyor. Ödeme sunucusu istemi almıyor; yapay zekâ sağlayıcısının da ödemeyle bağlantılı kimliği öğrenmesi zorlaştırılıyor. Vakıf, yapay zekâ sağlayıcısının istemi ve IP adresini görebileceğini, ayrıca istek zamanı veya tekrarlanan kişisel bilgiler ve yazım tarzı üzerinden oturumları ilişkilendirebileceğini belirtti.

Ethereum Vakfı’nın zkAPI açıklamasında da ödeyen kişiyle kullanım kayıtları arasındaki bağlantıyı azaltmak ile istem ve ağ bilgilerini gizlemek ayrı işlevler olarak ele alındı. Buterin’in deneyi, istek oluşturma ve ağ bilgilerini koruma adımlarını da kapsamak için yerel model ve Tor’u ekliyor.

Buterin üç sınırlamaya dikkat çekti. Masbit’in aktardığına göre Buterin, Tor’un her istekte bağlantı ilişkisini kesmekte verimsiz olduğunu ve gecikmenin yüksek kaldığını söyledi. Yerel modelin işlem hızı saniyede 20-30 token (TPS) düzeyinde. Masbit, Buterin’in gizlilik koruması güçlendikçe uzak modelin sunabileceği yardımın da sınırlanacağına işaret ettiğini aktardı.

Kişisel sağlık ve seyahat bilgileriyle önceki konuşmaların bağlamını paylaşmak, kişiye özel yanıtlar alınmasını kolaylaştırabilir. Ancak istekte kalan bilgiler kimliğin tahmin edilmesine imkân verebilir. Gönderilen bilgileri azaltmak maruziyeti düşürürken uzak modelin yararlanabileceği bağlamı da daraltır. Yayımlanan deney, yalnızca ödeme anonimliği sağlamanın istek içeriğini ve ağ bilgilerini korumaya yetmediğini gösteriyor.