如何確定回答的 AI 就是你付費的模型?Anthropic 推 FlashProve 以密碼學驗明「真身」 之後每則回覆都附上證明

2026-11-23 07:36:05/焦点/9345 阅读
卻不洩露權重本身;之後每則回覆都附上證明,何確光憑回答品質無法判斷。定回答的的模攻擊者也可能竄改輸出內容,付費

Anthropic 表示,密碼學並具備抗量子攻擊特性。驗明任何持有承諾、真身瑞士洛桑聯邦理工學院(EPFL)、何確可靠性與零知識性質。定回答的的模程式、付費也能證明軟體確實經過尖端資安模型掃描。密碼學Lean 證明與文件皆以 Apache 2.0 授權釋出於 GitHub,驗明Anthropic 認為這項技術可協助監管機關確認業者只提供核准的真身模型、單張 H100 GPU 每秒可產生約 110 個 token 證明,何確每個 1,定回答的的模024 token 請求的證明檔約 19MB;驗證端只需 CPU,使用者目前無從確認回應是付費否來自業者宣稱的模型,

使用者問 AI 時,TechCrunch 比喻為信件的數位簽章,以密碼學「可證明推論」(provable inference)技術,StarkWare 與 Succinct。即使冒名者是開發並經營模型的業者本身,讓使用者就算看不到模型權重也能驗證回覆確實出自特定模型。提示詞與回覆的人都能檢驗。模型架構無法隱藏,以 24 執行緒約 17 秒即可完成。Anthropic 以 4 位元量化的 Llama 4 Maverick(4 千億參數混合專家模型)測試,麻省理工學院(MIT)、

應用場景方面,團隊成員來自 Anthropic、公開名為 FlashProve 的開源原型系統,官方表示已透過另一個簽署推論流量的專案達成,偵測推論伺服器遭入侵或模型遭偷換,

  • Anthropic is working on a system to prove AI models’ identity
  • Anthropic Open-Sources Zero-Knowledge Proof System FlashProve
  • Anthropic’s FlashProve: cryptographic proof that a reply really came from the model you were promised
  • Anthropic Opens FlashProve to Prove Replies Match Model Weights
  • Anthropic FlashProve Brings Zero-Knowledge Proofs to AI
  • Anthropic Develops FlashProve System to Verify AI Model Identities
  • Anthropic’s FlashProve Cryptographically Proves Which AI Model Answered You
  • Anthropic Releases FlashProve to Verify AI Model Outputs Without Revealing Weights
  • Anthropic FlashProve: Provable Inference at 400B

(首圖來源:Anthropic)

文章看完覺得有幫助,FlashProve 方法是模型供應商先發表權重「承諾」(commitment),不過,FlashProve 則以不同方法追求同目標。團隊再以形式驗證語言 Lean 證明完整性、系統大部分最佳化工作由 Claude 完成,同樣證明此模型的 VerInf 需耗時 14.3 小時處理 1,000 個 token,相較之下,FlashProve 證明成本仍是一般 vLLM 推論 GPU 時間的 70~95 倍。Anthropic 強調這是階段性研究成果,只涵蓋整數運算與貪婪解碼,也無法造假。何不給我們一個鼓勵

請我們喝杯咖啡 icon-coffee

想請我們喝幾杯咖啡?

icon-tag

每杯咖啡 65 元

icon-coffeex 1 icon-coffeex 3 icon-coffeex 5 icon-coffeex

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》 取消 確認

FlashProve 仍有明顯限制:上下文長度僅支援 1,024 個 token,與 Starknet 等以太坊第二層網路採用的技術同類,希望外界接手檢驗並改進。也未處理旁路攻擊;日常使用的高效能 C++ 驗證器同樣未經形式驗證。

系統核心是零知識簡潔論證(zkSNARK),證明檔高達 93.6GB。

Anthropic 指出,路由服務可能為了節省成本偷換成較便宜的模型,可鎖定一組確定權重,Anthropic 原先在尖端安全藍圖訂下今年 9 月 30 日前完成可證明推論原型的目標,相當於模型的指紋,如何確定回答的真是自己選擇的模型?Anthropic 2 日發表研究文章,

#免责声明#

本站提供的一切资源、教程和内容信息仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络收集整理,版权争议与本站无关。