Ethereum-medeoprichter Vitalik Buterin heeft een zelfexperiment uitgevoerd naar de vraag of AI-systemen gepersonaliseerde adviezen kunnen geven zonder dat de gebruiker gevoelige persoonlijke gegevens hoeft prijs te geven. In berichten die op 4 oktober op X werden gedeeld, beschreef hij hoe hij zijn eigen gezondheids- en reisgegevens gebruikte om dieet- en bewegingsadviezen te genereren, waarbij een lokaal model de verzoeken aan krachtigere externe systemen coördineerde en gebruikmaakte van hun redeneervermogen en kennis.

De privacyopzet combineerde zorgvuldig geformuleerde prompts, privaatste betalingen via zkAPI en Tor-routering, waarbij elke laag een andere bron van identiteitslekken adresseerde. Het experiment raakt aan een alledaagse blootstelling in commerciële AI, waarbij betaalde diensten elke prompt kunnen koppelen aan de betalende account en het onderliggende netwerk, zodat identificerende details kunnen ophopen zelfs wanneer een naam nooit wordt getypt. Buterin zei dat de adviezen baat hadden bij de externe input, al moesten de privacybeschermingen nog worden verbeterd. Hij meldde ook trage reacties en een afweging tussen het delen van minder informatie en het ontvangen van bruikbaar advies.

Drie privacylagen voor AI-query's

Buterin identificeerde zijn lokale coördinator als Qwen 3.8 Flash Next, die wanneer nodig frontier-modellen aanriep. Een skill-bestand leidde die aanroepen en instrueerde het lokale systeem om zo min mogelijk persoonlijke informatie prijs te geven.

Doing a bit of a self-experiment. Goal: use my personal health and travel data to provide personalized diet and exercise recommendations for me, using frontier models but in a way that avoids leaking to them any private information. Strategy: use a local model (Qwen 3.8 Flash… pic.twitter.com/mi38E5jlfN

— vitalik.eth (@VitalikButerin) October 4, 2026

De eerste laag behandelde zowel de inhoud van de prompts als de schrijfstijl. Omdat het lokale model de vragen formuleerde, waren externe diensten minder in staat om hem te identificeren via herkenbare formuleringen of persoonlijke details.

De tweede laag betrof betalingen, die AI-verzoeken kunnen koppelen aan een identificeerbare klantaccount. Hiervoor gebruikte het experiment zkAPI, een systeem dat is ontworpen om betalingsautorisatie te scheiden van de gebruikersidentiteit. Zero-knowledge proofs, de onderliggende cryptografische techniek, maken het mogelijk voor een dienst om een bewering te verifiëren — zoals dat een kluis is gefinancierd — zonder de data erachter te zien. De Ethereum Foundation beschreef zkAPI in een aankondiging van 1 oktober als privé-gebruikstegoeden voor betaalde diensten. Gebruikers financieren een kluis en autoriseren uitgaven met zero-knowledge proofs in plaats van te onthullen welke storting de verzoeken betaalde. In runtime key-modus begrenzen tijdelijke API-sleutels de uitgaven, terwijl ondertekende gebruiksbonnen de werkelijke afrekening bepalen. De betaaldienst controleert de financiering zonder de prompts te ontvangen; die gaan rechtstreeks naar de AI-aanbieder.

Tor leverde de derde laag, gericht op netwerkinformatie zoals IP-adressen. Het lang gevestigde anonimiteitsnetwerk routeert verkeer via relays, zodat een doeldienst het echte adres van de gebruiker niet kan zien. Buterin benaderde zkAPI via een met Tor omhulde commandline-tool, waarmee hij betalingsprivacy combineerde met anonieme netwerkroutering.

Het ontwerp behandelt deze beschermingen als aanvullend, omdat elk een andere route naar identificatie afdekt. Het verwijderen van namen uit prompts laat nog steeds betalingsgegevens of netwerkinformatie achter als mogelijke schakels. De Foundation waarschuwde ook dat AI-aanbieders de ingediende prompts nog steeds kunnen lezen, en de documentatie stelt dat herhaalde persoonlijke details, hergebruikte gespreksgeschiedenissen en schrijfstijlen afzonderlijke sessies aan elkaar kunnen koppelen.

Snelheidslimieten en dataviafwegingen

Buterin meldde dat het experiment adviezen opleverde die verbeterd waren door de kennis van frontier-modellen. Hij identificeerde echter vier zwakke punten, variërend van netwerkontwerp en verzoekconstruct tot lokale prestaties en de balans tussen privacy en bruikbaarheid — vier hiaten die gedicht moeten worden voordat een dergelijke opzet verder komt dan een persoonlijke proef.

Hij betoogde dat Tor de scheiding tussen afzonderlijke verzoeken slecht afhandelt en mogelijk onvoldoende privacy biedt voor dit gebruik. Hij schatte ook dat de latentie 10 tot 100 keer hoger was dan nodig. Het skill-bestand had bovendien betere strategieën nodig om te bepalen welke informatie externe modellen zouden ontvangen, waardoor verzoekvoorbereiding een ander onopgelost onderdeel van het experiment is.

Wat de lokale prestaties betreft, zei Buterin dat het Qwen-model op zijn installatie ongeveer 20 tot 30 tokens per seconde genereerde. Hij wilde snelheden boven de 100 tokens per seconde voordat het systeem comfortabel snel zou aanvoelen.

De privacyafweging bleef ook zichtbaar: het inhouden van meer context verminderde de hulp die externe modellen konden bieden. Dat suggereert dat betaal- en netwerkbeschermingen alleen de kwaliteit van gepersonaliseerde adviezen niet kunnen waarborgen wanneer verzoeken belangrijke contextuele details weglaten.

Bredere Ethereum-visie

Het experiment volgt op een essay van 27 september waarin Buterin Ethereum beschreef als een toekomstige cryptografische wereldcomputer, die blockchainbeveiliging combineert met cryptografische privacy, verificatie en gedecentraliseerd rekenen buiten de chain. In dat essay wees hij Hegotá, gepland voor volgend jaar, aan als vermoedelijk de laatste normale fork. Latere ontwikkeling zou recursieve STARKs, geautomatiseerde formele verificatie, geoptimaliseerde consensus en kwantumbestendige technologie omvatten. Cryptografische bewijzen lopen door beide inspanningen heen: zero-knowledge proofs verzorgen de zkAPI-betalingslaag, terwijl de roadmap wijst naar recursieve STARKs en formele verificatie op protocolschaal.

Hij noemde PeerDAS ook als een vroege stap richting deze bredere architectuur. Het beoogde resultaat is goedkopere, schaalbare en privatere computatie, beveiligd door moderne cryptografie. Met Hegotá gepland voor volgend jaar vormt die fork het dichtstbijzijnde ijkpunt om te zien hoe de cryptografische componenten van de roadmap gestalte krijgen.