Масштабная онлайн-деанонимизация с использованием LLM-моделей скачать в хорошем качестве

Масштабная онлайн-деанонимизация с использованием LLM-моделей

🕵️‍♂️ Ваша онлайн-анонимность умерла? Расцвет деанонимизации на основе больших языковых моделей (LLM) Недавние исследования показали, что большие языковые модели (LLM) теперь могут выполнять крупномасштабную деанонимизацию псевдонимных пользователей в интернете с поразительной точностью. В течение десятилетий пользователи полагались на «практическую неопределенность» — идею о том, что, хотя деанонимизация технически возможна, она слишком дорога и сложна для выполнения в больших масштабах. Это предположение больше не актуально. Как работает атака: Исследователи разработали масштабируемый конвейер, который использует LLM для преодоления анонимности в четыре этапа: Извлечение: LLM извлекают релевантные для идентичности характеристики (демографические данные, хобби, стиль письма) из неструктурированного текста, такого как комментарии на Reddit или сообщения на форумах. Поиск: Эти характеристики преобразуются в плотные векторные представления для поиска среди миллионов профилей кандидатов. Причина: Высокопроизводительная модель (например, GPT-5.2) анализирует лучших кандидатов для подтверждения совпадения. Калибровка: Система присваивает оценку достоверности для обеспечения очень низкого уровня ложноположительных результатов. Результаты шокируют: Огромный разрыв в производительности: В задачах, связывающих пользователей Reddit из разных сообществ, методы на основе LLM достигли до 68% полноты при 90% точности, в то время как классические методы без LLM полностью провалились, приблизившись к 0%. Анализ в масштабах интернета: Атака устойчива даже в больших массивах данных. Экстраполяции показывают, что даже в пуле из 100 миллионов кандидатов LLM все еще могут правильно идентифицировать примерно 27% пользователей с 90% точностью. Низкая стоимость: Запуск этих агентов для выявления реальной личности может стоить всего 1–4 на профиль. Реальные цели: Исследователи успешно протестировали эти методы на: Пользователях Hacker News, связав их псевдонимные сообщения с их реальными профилями LinkedIn. Поклонники кино на Reddit, сопоставляющие личности в разных сабреддитах только на основе их рецензий на фильмы. Участники интервью, идентифицирующие ученых по отредактированным стенограммам путем сопоставления описаний исследований с опубликованными статьями. Почему это важно: Этот «информационный микроскоп» коренным образом меняет экономику конфиденциальности. Правительства могут использовать эти инструменты для массового наблюдения за диссидентами, а корпорации могут связывать «анонимные» отзывы с профилями клиентов для сверхцелевого отслеживания. Источники приходят к выводу, что модели угроз для онлайн-конфиденциальности необходимо полностью пересмотреть, поскольку сигналов, которые мы оставляем в своих текстах, часто достаточно, чтобы нас обнаружил магистр права. Что вы думаете? Должны ли платформы делать больше для сокрытия наших метаданных, или пора признать, что ничто из того, что мы публикуем в интернете, больше не является по-настоящему анонимным? 💬 #ИИ #Конфиденциальность #Кибербезопасность #LLM #Анонимность #технологическиеновости Пожертвования:   / luxak   статья - https://arxiv.org/html/2602.16800v1 подписка - https://t.me/arxivpaper создано с помощью NotebookLM