El cofundador de Ethereum, Vitalik Buterin, publicó el 16 de octubre un diseño experimental de privacidad para agentes de inteligencia artificial denominado «paranoid mode». La propuesta combina Tor, ofuscación del tráfico, reescritura local de instrucciones y zkAPI para dificultar que los proveedores de IA vinculen las consultas con la identidad del usuario, su origen o sus datos de pago.
La cuestión adquiere especial relevancia cuando los agentes de IA están conectados a monederos o herramientas financieras: esas señales podrían revelar los tokens que sigue un usuario, los activos que posee o sus planes de negociación. Buterin reconoció, no obstante, que el sistema añade latencia y sigue expuesto a ataques de colusión. El código es público, pero el conjunto continúa en fase experimental.
Cuatro capas para proteger identidad, tráfico y pagos
El diseño reúne varias herramientas de privacidad para abordar las distintas huellas que puede dejar una solicitud a un sistema de IA. Tor asigna una ruta de red separada a cada conversación, lo que ayuda a ocultar la dirección IP del usuario. La ofuscación del tráfico incorpora solicitudes señuelo para dificultar que la actividad real se distinga del flujo general de datos.
En la fase de introducción de la consulta, un modelo pequeño de IA que se ejecuta en el dispositivo del usuario reescribe el texto antes de enviarlo al servicio. Su objetivo es eliminar detalles que puedan apuntar a una persona concreta. Esta capa no impide que el proveedor de IA vea la solicitud; busca reducir la cantidad de información identificable incluida en la propia instrucción.
Para los pagos, el diseño utiliza zkAPI. El sistema recurre a pruebas criptográficas para demostrar que una solicitud ha sido pagada sin revelar directamente la identidad del ordenante. En conjunto, las cuatro medidas intentan limitar los vínculos que pueden surgir de las direcciones de red, los patrones de consulta, el contenido de las instrucciones y los registros de pago.
Los agentes financieros pueden revelar intereses del usuario
Cuando un agente de IA tiene acceso a un monedero o a un servicio financiero, las conversaciones pueden contener información sensible. Un usuario podría preguntar por determinados tokens o solicitar un análisis de su cartera, dejando al descubierto sus áreas de interés inversor. Incluso sin facilitar un nombre, los registros de pago, las direcciones de red y los detalles repetidos en varias consultas podrían servir para identificarlo o relacionar sus sesiones.
Por eso, la propuesta no se centra únicamente en si el contenido de una conversación se hace público. También examina si un proveedor puede asociar una solicitud con una persona concreta, con su origen de red o con un registro de pago. En los servicios financieros, esa diferencia puede influir en la disposición de los usuarios a confiar a los agentes de IA consultas sobre sus cuentas o sus finanzas personales. No hay indicios de que el diseño se haya desplegado o validado de forma amplia.
Buterin reconoce límites por la latencia y la colusión
La incorporación de protecciones de privacidad aumenta el número de pasos del sistema y plantea contrapartidas operativas. Buterin señaló que «paranoid mode» incrementaría la latencia, mientras que la colusión entre varios participantes todavía podría permitir relacionar información. Tor, la ofuscación del tráfico, la reescritura local y zkAPI abordan categorías distintas de huellas, pero ninguna garantiza que la identidad del usuario permanezca oculta en todos los escenarios de ataque.
El código está disponible para su revisión, aunque esa publicación no implica que el sistema completo haya alcanzado madurez. Para los usuarios, las cuestiones pendientes son su rendimiento en condiciones reales, el tiempo adicional de respuesta y el nivel de protección que puede ofrecer cuando distintos proveedores coordinan sus acciones.