LLM Khawatir Merusak Anonimitas dan Privasi Internet: Bisakah AI Menemukan Identitas Satoshi Nakamoto?

Sebuah penelitian terbaru menunjukkan bahwa model bahasa besar (LLM) telah memiliki kemampuan untuk “menghilangkan anonimitas” pengguna internet dalam skala besar. Hanya dari isi postingan publik, model dapat memperkirakan identitas asli di balik akun anonim. Temuan ini tidak hanya menimbulkan kekhawatiran di masyarakat, tetapi juga memicu diskusi di komunitas kripto tentang “apakah bisa mengungkap identitas Satoshi Nakamoto yang sebenarnya.”

Penelitian mengungkapkan: LLM mempermudah proses de-anonimisasi data pribadi

Dalam studi berjudul 《Menggunakan LLM untuk De-anonimisasi Skala Besar Online》, disebutkan bahwa LLM mampu mengekstrak petunjuk identitas dari teks tidak terstruktur dan melakukan pencarian serta pencocokan semantik dalam basis data besar secara otomatis, sehingga memungkinkan serangan de-anonimisasi yang sangat otomatis.

Tim peneliti merancang proses empat tahap: Ekstraksi (Extract), Pencarian (Search), Penalaran (Reason), dan Kalibrasi (Calibrate), untuk mensimulasikan bagaimana penyerang dapat membangun kembali ciri-ciri pribadi dari postingan publik dan membandingkannya dengan identitas asli.

Gambaran kerangka kerja penelitian de-anonimisasi skala besar

Dalam eksperimen, para peneliti melakukan pencocokan silang antara akun Hacker News dan profil LinkedIn, dan berhasil mengidentifikasi sekitar 45% identitas asli dengan tingkat akurasi 99%; dalam percobaan dengan akun Reddit, meskipun melalui pengaturan waktu dan penyaringan konten, model tetap mampu mengenali sebagian pengguna dengan tingkat akurasi tinggi.

Penulis makalah, Simon Lermen, berpendapat bahwa LLM bukanlah kemampuan identifikasi baru, melainkan secara signifikan menurunkan biaya yang sebelumnya diperlukan untuk pelacakan manual, dan memungkinkan skala serangan de-anonimisasi.

“Perlindungan Pseudonim” Gagal? AI Tantang Anonimitas Internet

Dulu, pseudonimitas di internet digunakan sebagai langkah perlindungan bukan karena identifikasi tidak mungkin, melainkan karena biaya identifikasi yang terlalu tinggi. Lermen menunjukkan bahwa perubahan yang dibawa LLM adalah: “Model dapat memproses puluhan ribu data dalam waktu singkat dan mengotomatisasi proses investigasi manusia.”

Dia menegaskan bahwa ini tidak berarti semua akun anonim akan langsung terungkap, melainkan “selama meninggalkan cukup banyak petunjuk teks,” model memiliki peluang untuk membangun profil identitas. Dengan kata lain, teks di masa depan bisa menjadi target data mikro (micro-data) yang dieksplorasi, bahkan tanpa nama atau tautan akun, sinyal seperti minat, latar belakang, atau kebiasaan bahasa juga bisa menjadi dasar identifikasi.

Kekhawatiran di dunia kripto: Apakah transparansi di blockchain akan menjadi alat pengawasan?

Penelitian ini dengan cepat memicu diskusi di komunitas kripto. Mert Mumtaz, salah satu pendiri Helius Labs, berpendapat bahwa blockchain secara esensial bergantung pada identitas pseudonim, dan semua catatan transaksi bersifat permanen dan terbuka. Jika AI mampu menghubungkan alamat di blockchain dengan identitas nyata, maka dapat membangun profil aktivitas keuangan jangka panjang.

Dia khawatir bahwa, meskipun blockchain awalnya dipandang sebagai infrastruktur keuangan desentralisasi, dalam situasi ini bisa berubah menjadi alat pengawasan yang sangat transparan.

(Bitcoin tidak lagi menerima pembayaran secara terbuka! Bagaimana pembayaran diam-diam (Silent Payments) mewujudkan kenyamanan dan perlindungan privasi)

Akankah Satoshi Nakamoto ditemukan oleh AI? Analisis gaya penulisan menjadi variabel baru

Selain itu, Nic Carter, mitra di Castle Island Ventures, mengajukan pertanyaan lain: jika LLM mampu melakukan analisis gaya penulisan tingkat tinggi (stylometry), apakah mungkin membandingkan email, posting forum, dan dokumen white paper masa lalu Satoshi Nakamoto untuk menebak identitas aslinya?

Dia berpendapat bahwa secara teori, jika ada sampel karya yang sesuai secara publik, model dapat melakukan pencocokan probabilitas; namun ini tetap merupakan inferensi statistik, bukan alat konfirmasi. Jika pencipta mengubah gaya penulisan atau tidak pernah menulis dengan nama asli, maka identifikasi menjadi sangat sulit.

(Profil Epstein mengungkap jaringan kekuasaan Bitcoin awal, apakah pelaku kejahatan seksual ini adalah Satoshi Nakamoto?)

Ketika AI mengancam privasi: teknologi kripto dan anonimitas perlu ditingkatkan

Lermen menegaskan bahwa tujuannya bukan untuk menimbulkan kepanikan, melainkan menunjukkan bahwa mekanisme enkripsi dan anonimitas tradisional perlu diperbarui. Dulu, kekhawatiran hanya terhadap data terstruktur, kini bahkan teks tidak terstruktur pun bisa dikenali. Privasi bukan lagi hanya masalah teknologi, tetapi juga berkaitan dengan kebijakan platform, kebiasaan pengungkapan data, dan norma sosial.

Di tengah kemajuan pesat kemampuan AI, bagaimana merancang dan melindungi privasi pengguna kembali menjadi tantangan penting bagi perusahaan.

Artikel ini berjudul “LLM Bisa Menghancurkan Anonimitas dan Privasi di Internet: Apakah AI Bisa Mengungkap Identitas Satoshi Nakamoto?” pertama kali muncul di Chain News ABMedia.

Lihat Asli
Penafian: Informasi di halaman ini dapat berasal dari pihak ketiga dan tidak mewakili pandangan atau opini Gate. Konten yang ditampilkan hanya untuk tujuan referensi dan bukan merupakan nasihat keuangan, investasi, atau hukum. Gate tidak menjamin keakuratan maupun kelengkapan informasi dan tidak bertanggung jawab atas kerugian apa pun yang timbul akibat penggunaan informasi ini. Investasi aset virtual memiliki risiko tinggi dan rentan terhadap volatilitas harga yang signifikan. Anda dapat kehilangan seluruh modal yang diinvestasikan. Harap pahami sepenuhnya risiko yang terkait dan buat keputusan secara bijak berdasarkan kondisi keuangan serta toleransi risiko Anda sendiri. Untuk detail lebih lanjut, silakan merujuk ke Penafian.

Artikel Terkait

Laporan CertiK: Kerugian Penipuan ATM Cryptocurrency Mencapai $330 Juta pada 2025, Teknologi AI Memperburuk Eskalasi Kejahatan

CertiK merilis laporan yang menunjukkan bahwa kerugian penipuan ATM mata uang kripto di Amerika Serikat pada tahun 2025 mencapai 3,3 miliar dolar, meningkat 33%. Metode penipuan terus berkembang, lansia menjadi target utama, penipuan yang didorong oleh AI memiliki kemampuan menguntungkan 4,5 kali lebih tinggi dari metode tradisional, dan ancaman organisasi kriminal lintas negara terus meningkat.

GateNews3jam yang lalu

Aliansi Pengembangan Industri Kecerdasan Buatan China Terus Memantau Risiko Keamanan OpenClaw, Menyusun Panduan Manajemen Risiko Penyebaran Tingkat Perusahaan

Gate News berita, 12 Maret, China Artificial Intelligence Industry Development Alliance terus melacak dinamika risiko keamanan OpenClaw, dan menyusun panduan manajemen risiko penerapan OpenClaw tingkat enterprise.

GateNews4jam yang lalu

Tencent Meluncurkan Kotak Alat Keamanan OpenClaw, Menghadapi Tantangan Keamanan AI Agent Lobster

Tencent meluncurkan OpenClaw Security Toolkit pada 12 Maret, yang bertujuan untuk mengatasi tantangan keamanan yang ditimbulkan oleh AI Agent, memberikan perlindungan berlapis untuk perusahaan dan pengguna. Toolkit ini mencakup solusi keamanan untuk cloud dan komputer pribadi, mendukung isolasi lingkungan dan pemantauan instruksi anomali.

GateNews4jam yang lalu

Peretasan Bonk.fun Membuka Pengguna Solana terhadap Serangan Wallet Drainer

Ahli keamanan menemukan kode berbahaya di Bonk.fun yang mengekspos pengguna terhadap potensi serangan penyedotan dompet. Namun, ahli keamanan telah mengungkapkan kekhawatiran bahwa pengguna situs terdesentralisasi tetap

TheNewsCrypto6jam yang lalu

Peluncur Memecoin BONKfun Berbasis Solana Mengalami Eksploitasi Keamanan

Launchpad Memecoin BONKfun di Solana menghadapi pelanggaran keamanan serius ketika peretas berhasil mengkompromikan akun tim, memungkinkan crypto drainer yang mempengaruhi pengguna yang menyetujui transfer fraud. Insiden ini telah meningkatkan kekhawatiran tentang keselamatan pengguna dan kepercayaan dalam ekosistem Solana.

BlockChainReporter6jam yang lalu

GoPlus memindai 100 Skills teratas ekosistem ClawHub, 21% menunjukkan operasi berisiko tinggi yang jelas

GoPlus pada 12 Maret merilis laporan yang melakukan pemindaian keamanan terhadap 100 keterampilan unduhan tinggi dalam ekosistem ClawHub, dengan hasil menunjukkan 21% ditahan dan 17% diberi peringatan. Laporan merekomendasikan penerapan mekanisme konfirmasi manual untuk keterampilan berisiko tinggi guna meningkatkan keamanan.

GateNews6jam yang lalu
Komentar
0/400
Tidak ada komentar