Protokół Maverick od zespołu z Yale: serwery AI „nie widzą” twoich promptów, nawet 45-krotne przyspieszenie

dowody wiedzy zerowej
1 godzinę temuŹródło: blockweeks.com
Protokół Maverick od zespołu z Yale: serwery AI „nie widzą” twoich promptów, nawet 45-krotne przyspieszenie

Ten artykuł został skompilowany i zorganizowany przez BlockWeeks

Sześciu informatyków z Uniwersytetu Yale zaproponowało protokół o nazwie Maverick, którego celem jest umożliwienie modelom AI o otwartym kodzie źródłowym działania głównie na „cudzej maszynie” przy jednoczesnym nieujawnianiu surowego wkładu użytkownika tej maszynie. Z założenia telefon użytkownika lub inne urządzenie o niskiej mocy obliczeniowej zleca ciężkie obliczenia zewnętrznemu serwerowi; serwer otrzymuje jedynie zaszyfrowaną kopię wkładu, a urządzenie następnie weryfikuje wynik po jego zwróceniu.

Powiązany artykuł został przesłany do arXiv 9 września 2026 r. Jest to nadal preprint i nie został jeszcze przyjęty przez konferencję ani czasopismo, a artykuł nie zawiera linku do kodu.

Główny problem: Jak zaufać maszynie, której nie kontrolujesz

Weryfikacja, czy maszyna, której nie można kontrolować, uczciwie wykonała obliczenia, to dokładnie problem, który systemy dowodu z wiedzą zerową i niektóre zdecentralizowane sieci obliczeniowe od dawna starają się rozwiązać. Dodatkowym celem Maverick jest weryfikacja wyniku przy jednoczesnym uniemożliwieniu serwerowi kiedykolwiek zobaczenia wkładu użytkownika.

Artykuł wskazuje, że system uczenia maszynowego z wiedzą zerową DeepProve potrafi sprawdzić wyniki obliczeń, ale ujawnia wkład serwerowi. Maverick próbuje osiągnąć jednocześnie „weryfikowalność” i „poufność wkładu”.

Jeden z autorów artykułu, adiunkt Fan Zhang, oraz doktorant Wenhao Wang podają Initiative for Cryptocurrencies and Contracts (IC3) jako swoją afiliację, a część badań Wenhao Wanga jest finansowana przez IC3.

Odnośnie do rynków blockchain sprzedających usługi wnioskowania AI, prowadzący Kain Warwick opisał w tym miesiącu w programie trudność zaufania maszynom innych ludzi: „Ludzie sprzedają ci usługi wnioskowania, ale tak naprawdę nie wiesz, skąd to pochodzi”.

Jak działa Maverick: Najpierw maskowanie, potem wyrywkowa kontrola

Podstawowy przepływ Maverick jest następujący: urządzenie użytkownika ukrywa wkład za pomocą warstwy pozornie losowego maskowania, a następnie wysyła większość matematycznych obliczeń modelu do serwera; serwer wykonuje obliczenia bez znajomości oryginalnego wkładu, a po zwróceniu wyniku urządzenie użytkownika usuwa maskę i odzyskuje odpowiedź.

Aby zapobiec obchodzeniu obliczeń lub złośliwemu działaniu serwera, urządzenie nie wykonuje ponownie całego obliczenia; zamiast tego przeprowadza szybki losowy test w celu wyrywkowej kontroli wyniku zwróconego przez serwer.

Autor artykułu Charalampos Papamanthou podaje w artykule wyłącznie Uniwersytet Yale, ale zgodnie z jego osobistą stroną na Yale pełni również funkcję głównego naukowca w Lagrange Labs. Lagrange buduje systemy dowodu z wiedzą zerową, w tym DeepProve, a Papamanthou jest również współautorem artykułu o DeepProve.

Dane wydajności: 45-krotne przyspieszenie ma ścisłe warunki wstępne

W testach end-to-end opisanych w artykule największa poprawa wydajności pojawiła się, gdy urządzenie użytkownika przygotowało maskę z wyprzedzeniem: szybkość przetwarzania tokenów podpowiedzi osiągnęła do 45 razy większą wartość niż przy uruchamianiu modelu lokalnie na samym urządzeniu. Jeśli maska jest konstruowana na bieżąco podczas wykonania, szczytowe przyspieszenie spada do 17 razy.

Te liczby pochodzą z określonych warunków testowych: urządzenie użytkownika używa tylko jednego wątku przetwarzania, serwer jest procesorem CPU i może używać do 128 wątków, długość podpowiedzi wynosi 8 tokenów, a opóźnienie sieci nie jest uwzględniane.

Inny test mierzył czas krótkiego żądania w symulowanej sieci, przy czym urządzenie używało dwóch wątków, a serwer 64 wątków. Przy 50 milisekundach opóźnienia w obie strony czas do pierwszego wyjścia w dwóch trybach prywatności był odpowiednio tylko 1,42 razy i 1,46 razy dłuższy niż przy wykonaniu lokalnym; gdy opóźnienie w obie strony wzrosło do 100 milisekund, oba tryby były wolniejsze niż wykonanie lokalne.

Testy wykorzystywały tylko jeden model, Qwen3-4B.

Kluczowe wąskie gardło: Pamięć po stronie klienta

Autorzy nazywają wymaganie Maverick dotyczące pamięci po stronie klienta „kluczowym wąskim gardłem naszej metody”. Oznacza to, że chociaż protokół przenosi presję obliczeniową na serwer, urządzenie użytkownika nadal musi ponosić niepomijalny narzut pamięciowy, co może ograniczać jego praktyczne wdrożenie na urządzeniach takich jak tanie telefony.

Pod względem pozycjonowania Maverick dąży do wejścia w punkt przecięcia trzech obszarów: outsourcingu wnioskowania AI, ochrony prywatności i weryfikowalnych obliczeń. To, czy uda mu się przejść od preprintu do wdrożalnego systemu, nadal zależy od implementacji kodu, testów z większymi modelami oraz tego, czy narzut po stronie klienta można dodatkowo zmniejszyć.