FlashProve của Anthropic xác minh danh tính mô hình AI bằng chứng mật mã

Đội Frontier Red Team của Anthropic vừa công bố FlashProve, một hệ thống mật mã mã nguồn mở được thiết kế để xác minh nguồn gốc của các phản hồi do AI tạo ra. Được thông báo vào ngày 4 tháng 11 năm 2026, nguyên mẫu nghiên cứu này cho phép các nhà phát triển xác nhận rằng một tập hợp trọng số mô hình cụ thể đã tạo ra câu trả lời mà không cần tiết lộ các trọng số độc quyền đó. Mặc dù công nghệ này giải quyết các vấn đề nghiêm trọng về niềm tin trong chuỗi cung ứng, chi phí tính toán cao hiện tại khiến nó chỉ phù hợp với mục đích thử nghiệm thay vì lưu lượng truy cập API sản xuất.

Chuyện gì đã xảy ra

Các nhà phát triển phụ thuộc vào API AI của bên thứ ba thường thiếu phương pháp đáng tin cậy để đảm bảo họ đang nhận được phản hồi từ mô hình mà họ đã trả tiền. Một nhà cung cấp có thể âm thầm chuyển hướng yêu cầu sang một mô hình rẻ hơn, kém hiệu quả hơn, hoặc kẻ tấn công có thể xâm nhập vào quy trình suy luận để thay đổi đầu ra. FlashProve nhằm mục đích giải quyết sự thiếu minh bạch này bằng cách cung cấp một đảm bảo toán học về danh tính mô hình. Hệ thống sử dụng các lập luận kiến thức không tương tác gọn nhẹ dựa trên tri thức không (zero-knowledge succinct non-interactive arguments of knowledge), hay còn gọi là zkSNARK, để tạo ra một bằng chứng chứng minh rằng một mô hình cụ thể đã tạo ra đầu ra nhất định.

Dự án này có sẵn trên GitHub dưới dạng một đối tượng nghiên cứu, nghĩa là Anthropic không duy trì nó cho mục đích sử dụng sản xuất và cũng không chấp nhận đóng góp từ bên ngoài. Nó chưa được tích hợp vào Claude API và hiện chưa có lộ trình cho việc tích hợp này. Thay vào đó, nó đóng vai trò như một minh chứng công khai về cách áp dụng xác minh mật mã cho các mô hình ngôn ngữ lớn, cung cấp một khuôn mẫu cho cơ sở hạ tầng AI an toàn trong tương lai.

Cách hoạt động

FlashProve hoạt động bằng cách tạo ra một bằng chứng mật mã liên kết phản hồi của mô hình với các trọng số nền tảng của nó mà không làm lộ chính các trọng số đó. Quá trình này dựa vào một nguồn tin cậy cho cam kết ban đầu đối với trọng số mô hình; nếu nguồn này bị xâm phạm, giá trị của bằng chứng sẽ mất đi. Hệ thống tạo ra các bằng chứng này theo lô sau khi yêu cầu suy luận hoàn tất, thay vì xác minh từng token theo thời gian thực khi chúng được truyền đến người dùng. Cách tiếp cận theo lô giúp quản lý tải tính toán cường độ cao cần thiết cho việc tạo bằng chứng.

Để đảm bảo tính toàn vẹn của giao thức, Anthropic đã sử dụng trợ lý chứng minh Lean để xác minh chính thức các tính chất toán học của hệ thống. Việc xác minh chính thức này khẳng định rằng giao thức chấp nhận các bằng chứng hợp lệ, từ chối các bằng chứng giả mạo với xác suất cực cao và không rò rỉ thông tin về trọng số mô hình vượt quá những gì đã có trong phản hồi. Bản phát hành bao gồm hai trình xác minh: một phiên bản được xác minh chính thức viết bằng Lean và một phiên bản C++ nhanh hơn. Mặc dù trình xác minh C++ đã vượt qua các bài kiểm tra so sánh với phiên bản Lean, nó thiếu các đảm bảo toán học chặt chẽ tương tự, giống như trình tạo bằng chứng GPU được sử dụng cho việc tạo ra.

Chi tiết quan trọng

• FlashProve được thử nghiệm trên Llama 4 Maverick của Meta, một mô hình hỗn hợp chuyên gia (mixture-of-experts) với 400 tỷ tham số, chứ không phải trên Claude.
• Việc tạo bằng chứng xử lý khoảng 110 token prompt mỗi giây trên một GPU Nvidia H100 đơn lẻ.
• Mỗi bằng chứng được tạo ra có kích thước khoảng 18,78 MB và mất khoảng 21 giây để xác minh trên một luồng CPU đơn lẻ.
• Việc tạo bằng chứng đòi hỏi nhiều gấp 70 đến 95 lần thời gian GPU so với suy luận tiêu chuẩn sử dụng vLLM.
• Hệ thống hiện bị giới hạn ở ngữ cảnh 1.024 token và sử dụng suy luận dựa trên số nguyên với giải mã tham lam (greedy decoding).
• Các hệ thống trước đây như VerInf cần 14,3 giờ để tạo một bằng chứng 93,6 GB cho 1.000 token, khiến FlashProve nhanh hơn đáng kể.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và trưởng nhóm kỹ thuật, FlashProve nhấn mạnh tầm quan trọng ngày càng tăng của tính toàn vẹn suy luận trong chuỗi cung ứng AI. Khi các tổ chức tích hợp nhiều mô hình của bên thứ ba vào sản phẩm của mình, rủi ro thay thế hoặc thao túng mô hình sẽ gia tăng. Xác minh mật mã cung cấp một con đường dẫn đến khả năng kiểm toán, đảm bảo rằng các quyết định quan trọng do hệ thống AI đưa ra có thể được truy vết ngược về một nguồn đã được xác minh. Điều này đặc biệt liên quan đến các ngành công nghiệp chịu sự quản lý chặt chẽ, nơi việc chứng minh nguồn gốc của một quyết định tự động là yêu cầu tuân thủ.

Tuy nhiên, chi phí hiệu năng hiện tại khiến việc áp dụng ngay lập tức trở nên bất khả thi đối với hầu hết các ứng dụng. Mức tăng gấp 70 đến 95 lần thời gian tính toán GPU đại diện cho một chi phí prohibitive (quá đắt đỏ) đối với các dịch vụ API khối lượng lớn. Các nhà phát triển phải cân nhắc giữa lợi ích bảo mật của việc xác minh và thực tế kinh tế của chi phí suy luận. FlashProve chứng minh rằng mặc dù công nghệ đang dần chín muồi, nó vẫn quá đắt đỏ cho việc sử dụng thường xuyên, báo hiệu rằng cần có thêm tối ưu hóa trước khi các bằng chứng mật mã trở thành một tính năng tiêu chuẩn trong API AI.

Bạn có thể làm gì

• Tải xuống mã nguồn FlashProve từ GitHub để thử nghiệm xác minh mật mã trong môi trường được kiểm soát.
• Sử dụng trình xác minh Lean nếu ứng dụng của bạn yêu cầu các đảm bảo bảo mật được xác minh chính thức, mặc dù hiệu năng chậm hơn.
• Cân nhắc sử dụng trình xác minh C++ để kiểm thử nhanh hơn, nhưng hãy thừa nhận rằng nó thiếu mức độ chứng minh toán học tương đương với phiên bản Lean.
• Đánh giá xem trường hợp sử dụng của bạn có thể chấp nhận xác minh theo lô thay vì kiểm tra từng token theo thời gian thực hay không.
• Theo dõi các tiến bộ về hiệu quả của zkSNARK, vì việc giảm chi phí tạo bằng chứng sẽ quyết định khi nào công nghệ này trở nên khả thi cho sản xuất.
• Đánh giá các rủi ro hiện tại trong chuỗi cung ứng AI của bạn để xác định xem việc thay thế mô hình có phải là mối đe dọa đáng tin cậy đối với logic kinh doanh của bạn hay không.