Anthropic 以 Zcash 的加密技術保障其 AI Claude

AI 行業的先驅 Anthropic 剛剛正式發布了 FlashProve，這是一個專注於可驗證推理的創新基礎設施。為了應對這一透明度挑戰，Anthropic 直接在 Claude 中整合了零知識證明（zk-SNARKs）。這是由 Zcash 的加密技術打造的匿名性和安全性標準。

簡介

• Anthropic 利用來自 Zcash 加密技術的 zk-SNARKs 來證明某個回答確實來自 AI Claude。
• 該系統應對了可追溯性的關鍵挑戰，使監管機構和審計人員能夠驗證 GPU 的實際使用情況。
• AI 巨頭整合 zk-SNARKs 再次突顯了 Zcash 在 Web3 安全架構中的先驅角色。

為什麼 Anthropic 的 AI Claude 需要 Zcash 的加密安全？

到目前為止，發送給 AI 的每個請求都依賴於盲目信任。正如 Anthropic 的發布所強調的，當用戶與像 Claude 這樣的模型進行對話時，他們沒有任何技術手段來驗證回答是否確實來自所訂購的高端系統，還是來自一個被偷偷替換的、成本較低的版本，這可能是由路由服務或攻擊者提供的。

為了填補這一安全空白而不暴露 Anthropic 的工業知識產權，這家 AI 公司轉向了 Web3 技術。得益於受加密啟發的解決方案，FlashProve 協議基於嚴謹的數學機制：

1. 模型的指紋（Commitment）：供應商將模型的權重封存於一個短的加密指紋中。
2. 推理證明（zk-SNARK）：對於每個回答，系統生成約 19MB 的證書。客戶或審計人員可以在幾秒鐘內在普通處理器（CPU）上驗證文本的合法性，而無需訪問 Anthropic 的秘密。

加密技術解決的 AI 四大挑戰

除了簡單地驗證對話外，這項來自加密技術的應用為 AI 生態系統的主要問題提供了具體解決方案：

• 調控控制（Pacing）：監管機構有時要求超級計算機專注於推理，而不是秘密訓練邊界模型。zk-SNARKs 使得在不透露專有數據的情況下，能夠證明硬體的確切使用情況。
• 檢測妥協：防止被駭的伺服器提供惡意回答。或者，防止更先進的自主模型偷偷取代授權模型。
• 文本來源：無可爭辯地證明某份網絡安全報告或代碼審計確實是由高端 AI 生成，而非低成本腳本。
• 模型批准：向當局提供數學保證，確保只有在安全性上經過驗證的模型才會實際投入生產。

Zcash (ZEC)：隱私先驅的技術反擊

如果 Anthropic 的倡議引起了廣泛關注，那麼它也意外地將焦點放在 Zcash 生態系統上。經常被純投機代幣所掩蓋的 ZEC 隱私加密貨幣，證明了其在 zk-SNARKs 基礎研究中的根本價值。

最初為了保證匿名且不可篡改的金融交易而開發的 Zcash 加密技術，如今已成為大科技公司的戰略基礎設施支柱。通過依賴這些相同的原則來保護 AI Claude，Anthropic 展示了源於 Web3 的創新如何直接塑造全球計算的未來。

|------------------------------|----------------------------------------------------------------------------| | 技術指標 | 記錄的性能 | | 目標架構 | Mixture-of-Experts 模型 (MoE, 400B+ 參數，例如：Llama 4 Maverick) | | 推理速度 | 約 110 tokens / 秒（在 1 個 NVIDIA H100 GPU 上） | | zk-SNARK 證明大小 | 約 19MB 用於 1,024 tokens 的請求 | | 驗證時間 (CPU) | 在普通電腦上 17 到 21 秒 | | 計算成本 | 是標準 vLLM 推理時間的 70 倍到 95 倍 | | 軟體許可 | 開源（Apache 2.0，包含 C++ 和 Lean 的驗證器） |

FlashProve 技術的指標和性能。

儘管 FlashProve 仍然是一個由於 GPU 計算成本過高而處於研究原型階段的項目，Anthropic 的倡議卻開啟了一個重大的技術突破。來自 Zcash 和加密世界的加密技術證明它超越了純金融的範疇。它成為未來 AI 模型（人工智慧）如 Claude 的安全性和透明性的支柱。