"LLM знает, кто ты Помните, я писал про 1250 интервью Anthropic Interviewer? Новая статья от ETH Zurich и Anthropic показала, что LLM достаточно неплохо деанонимизирует псевдонимных пользователей - с 90% точностью вычисялет 68% авторов. Стоимость: $1-4 за профиль. Как работает: LLM читает все посты анонимного юзера, вытаскивает мелочи: где живёт, где работал, как пишет. Потом ищет совпадения в базе кандидатов (LinkedIn) и верифицирует мощной моделью. Я решил проверить на себе. Попросил Claude проанализировать 30 постов этого канала, «не зная» автора. Задача: построить профиль, по которому меня можно найти. Что получилось: - 0 сек: в одном посте я прямо написал имя + 3 компании. Ок, это читерство - 30 сек: без имени — «наша платформа onsa.ai» + «после ухода из App in the Air». Один поиск - 5 мин: без компаний — Seattle + русскоязычный + AI sales + travel app + курсы + «инженерный бизнес и менеджмент». На LinkedIn ровно один такой - Часы (стилометрия): «o__O» + «дружбан» + «ЧТД» + «собственно». Как отпечаток пальца Мой канал не про анонимность. Но вот что интересно: даже когда юзер пытается быть анонимным, LLM собирает десятки мелких сигналов, которые по отдельности ничего не значат, но вместе - уникальный отпечаток. Раньше это требовало часов работы детектива/журналиста. Теперь - API-вызов. Собственно, они это называют смертью «практической анонимности». Тебя всегда можно было найти. Но было дорого. Теперь же пару баксов. Дальше я попробовал воспроизвести пайплайн: взять анонимных пользователей HN и Reddit с известной идентичностью и прогнать их через Claude. Результат? Дружбан отказался :( Сказал, что это «dual-use risk» и «демонстрация атаки - это сама атака». С одной стороны - хорошо, что guardrails работают. С другой - мы понимаем (видели), как такое обходят разбивая на отдельные ""невинные"" задачки с разных аккаунтов. Почитайте работу, а у меня лишь один вопрос: так кто же такой Сатоши Накамото???!!! 😉"