Por Canuto  

Vitalik Buterin presentó un agente de IA de código abierto que combina circuitos Tor separados, pagos con zkAPI y reescritura local de prompts para limitar la exposición de los usuarios. El diseño añade capas de aislamiento, pero el propio cofundador de Ethereum reconoce que la herramienta es más lenta y no resiste todos los escenarios de análisis de tráfico.
***

  • El sistema asigna un circuito Tor distinto a cada conversación y añade tráfico de cobertura para dificultar el rastreo de las solicitudes.
  • zkAPI aborda la exposición de identidad asociada con los pagos, mientras un modelo local reescribe los prompts antes de enviarlos a un proveedor externo.
  • Buterin reconoce demoras y riesgos ante la coordinación entre un proveedor de IA y un relé guardián; también anticipa menores costos de depósitos y retiros de zkAPI en Ethereum, sin fecha confirmada.

Vitalik Buterin combina Tor y zkAPI para reforzar la privacidad de un agente de IA

Vitalik Buterin presentó un sistema de código abierto que busca reducir la información que los usuarios exponen al utilizar agentes de inteligencia artificial. Su propuesta reúne enrutamiento mediante Tor, pagos privados con zkAPI y una herramienta local que reescribe los prompts antes de que lleguen a un modelo externo, aunque el desarrollador advirtió que el conjunto todavía tiene límites y añade demoras.

El cofundador de Ethereum describió la configuración como un “modo paranoico” para su agente pi y publicó el código relacionado en GitHub. La arquitectura funciona como una capa intermedia compatible con la API de OpenAI: organiza las conexiones y el procesamiento previo de solicitudes, pero no elimina por completo los riesgos de revelar información mediante el contenido enviado o los patrones de tráfico.

Un circuito Tor diferente para cada conversación

La propuesta asigna un circuito Tor separado a cada conversación con el agente, una decisión que busca aislar entre sí las conexiones de distintas sesiones. Tor encamina el tráfico de internet a través de varios relés para ocultar el origen de una conexión, y la separación de circuitos agrega una barrera para evitar que todas las conversaciones compartan la misma ruta de red.

El sistema también mezcla las solicitudes con tráfico de cobertura aleatorio, es decir, actividad adicional que dificulta distinguir una petición real de IA entre los datos que circulan. La medida pretende complicar el seguimiento de los patrones de comunicación, aunque Buterin no sostuvo que el tráfico adicional vuelva imposible identificar una interacción o vincularla con un usuario.

La capa de red se integra mediante un demonio compatible con la interfaz de la API de OpenAI, de modo que el agente pueda enviar solicitudes a través de la configuración de privacidad. Esa compatibilidad funciona como puente técnico entre la herramienta pi y el proveedor del modelo, sin exigir que las funciones de privacidad formen parte del servicio externo.

La configuración también usa torsocks para dirigir conexiones compatibles a través de Tor y ejecuta el agente dentro de un sandbox de bubblewrap, conocido como bwrap. Buterin dijo que experimentaba además con tecnología MicroVM, pero no confirmó que esa alternativa ya integrara la versión descrita; por tanto, la medida que sí identificó en su configuración fue el aislamiento mediante bwrap.

zkAPI separa la autorización de pago de los prompts

El componente zkAPI busca limitar la exposición de la identidad asociada con el pago por servicios de IA. Según la descripción de Buterin, este mecanismo permite que el usuario acceda a un servicio sin revelar su identidad mediante la información de pago, una protección distinta de la que ofrecen el enrutamiento Tor y la reescritura local de las solicitudes.

El diseño parte de una separación entre el permiso para gastar y el contenido que se envía al modelo. La Fundación Ethereum y Open Anonymity Project presentaron zkAPI el 1 de octubre como un sistema para pagar servicios medidos: el usuario deposita fondos en una bóveda de Ethereum y autoriza el uso posterior de una API mediante pruebas de conocimiento cero.

El mecanismo puede emitir credenciales de API de corta duración con límites de gasto, lo que permite que una autorización cubra varias solicitudes durante una sesión. El servicio de pagos verifica los derechos de gasto sin recibir la conversación, mientras que el proveedor del modelo procesa el prompt sin obtener la identidad vinculada a la financiación, de acuerdo con la explicación técnica del proyecto.

Sin embargo, el pago privado no oculta por sí solo la dirección IP ni la información que el usuario incluya en sus prompts. La Fundación reconoció esas limitaciones en un análisis publicado el 2 de octubre, por lo que Buterin añadió Tor y el procesamiento local como defensas complementarias, no como una garantía de anonimato total.

La reescritura local busca reducir lo que llega al proveedor

Antes de que una solicitud alcance un modelo de lenguaje externo, otro modelo que se ejecuta en el dispositivo del usuario procesa el texto original. Buterin describió este mecanismo como una modalidad de “trae tu propio modelo local”, para que cada persona pueda elegir la herramienta que reformula los prompts y decide qué información trasladar al servicio remoto.

En su propia configuración, el desarrollador señaló que utiliza qwen3.8-flash-next para esta tarea. El modelo local opera antes del envío y añade una capa de protección independiente del enrutamiento de red y de la privacidad de los pagos, aunque la información que sobreviva a la reescritura todavía podría revelar datos sensibles.

El antecedente inmediato fue una prueba de tres capas que Buterin realizó el 4 de octubre con información personal de salud y viajes para generar recomendaciones de dieta y ejercicio. En ese ensayo, un modelo Qwen local ayudaba a decidir qué datos compartir con servicios de IA remotos; el nuevo experimento suma circuitos Tor por conversación, tráfico de cobertura y restricciones al entorno del agente.

En esa prueba anterior, Buterin reportó velocidades de procesamiento de aproximadamente 20 a 30 tokens por segundo y dijo que preferiría superar los 100. La publicación sobre el “modo paranoico” no ofreció benchmarks ni tiempos promedio para la nueva configuración, pero sí señaló que iniciar una conversación resulta particularmente lento y que la latencia sigue siendo considerable.

El sistema tiene límites frente al análisis de tráfico

Buterin reconoció que Tor no es una red ideal para proteger este tipo de interacciones y que el tráfico de cobertura aleatorio ofrece una defensa razonable principalmente ante observadores pasivos. Un escenario más complejo aparece cuando un proveedor de IA coopera con un relé guardián de Tor, el primer punto de entrada que utiliza un cliente para conectarse a la red.

En esa situación, explicó, el proveedor podría coordinarse con el guardián y manipular activamente los tiempos de las solicitudes y las respuestas para buscar patrones. Esa capacidad reduciría sustancialmente la eficacia del tráfico aleatorio, porque el análisis no dependería únicamente de observar pasivamente los paquetes que circulan.

Como posible mejora, Buterin mencionó una mixnet especializada, diseñada para dificultar que un observador conecte comunicaciones entrantes y salientes mediante análisis de tráfico. Su planteamiento requeriría más ancho de banda y tráfico de cobertura constante integrado en la red, incluso cuando los usuarios no estén realizando solicitudes reales.

El desarrollador no anunció una mixnet funcional ni ofreció un calendario para construirla. Por ahora, la propuesta sigue siendo una posible evolución técnica frente a la configuración actual con Tor, que él mismo caracterizó como una solución imperfecta; el código publicado y la prueba descrita tampoco incluyen resultados comparativos que permitan cuantificar cuánto mejora la privacidad.

Costos de zkAPI y contexto del trabajo de Ethereum

Buterin afirmó que pronto llegarían a la red principal de Ethereum costos de gas significativamente menores para los depósitos y retiros de zkAPI. No precisó qué reducción espera, cuál sería el mecanismo responsable del ahorro ni cuándo se activaría el cambio, por lo que no hay una fecha confirmada para el despliegue.

La reducción de costos se refiere a las operaciones de depósito y retiro, no a las medidas de enrutamiento que utiliza el agente pi. Aunque zkAPI forma parte del conjunto de privacidad presentado, los pagos y la protección de las conexiones resuelven problemas distintos: un menor costo de transacción no cambia por sí mismo el nivel de exposición de la dirección IP o del contenido de los prompts.

El trabajo se suma a otros experimentos de Buterin con herramientas de IA y protección de datos, además del desarrollo de infraestructura para agentes autónomos en Ethereum. ERC-8004, por ejemplo, aborda el registro de identidad y reputación de agentes, una función diferente de la autorización privada de pagos que zkAPI busca gestionar.

La herramienta actual intenta cubrir varios puntos de exposición con medidas que operan en capas: el sandbox limita el entorno del agente, Tor encamina las conexiones, el modelo local reformula las solicitudes y zkAPI separa los pagos de la identidad del usuario. Aun así, los retrasos y la posibilidad de análisis coordinado muestran que esas defensas implican compromisos de rendimiento y no equivalen a una protección absoluta.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados