Forscher der ETH Zürich und Antropic veröffentlichten ein Papier, in dem sie darstellten, wie mit aktuellen KI-Systemen beim Einsatz von Pseudonymen eine Re-Identifikation durchgeführt werden kann.
Große Sprachmodelle können demnach pseudonyme Online-Profile vollautomatisch einer realen Person zuordnen, für ein bis vier Dollar pro Profil und in Minuten statt Stunden. Die Forscher implementieren wir eine skalierbare Angriffspipeline, die LLMs nutzt, um: (1) identitätsrelevante Merkmale zu extrahieren, (2) über semantische Einbettungen nach Übereinstimmungen zu suchen und (3) die besten Kandidaten zu überprüfen, um Übereinstimmungen zu verifizieren und Fehlalarme zu reduzieren.
Die Forscher testeten ihren Ansatz in verschiedenen Szenarien. u.a.:
- Beim Abgleich von Hacker-News-Konten mit LinkedIn-Profilen über einen Pool von rund 89.000 Kandidaten identifizierte die Pipeline knapp die Hälfte aller Nutzer, und das mit einer Genauigkeit von 99 Prozent.
- Bei Reddit-Nutzern in verschiedenen Film-Communities zeigte sich ein klares Muster: Je mehr Filme jemand in beiden Communities diskutiert hatte, desto leichter fiel die Zuordnung. Nutzer mit zehn oder mehr gemeinsamen Filmtiteln wurden fast zur Hälfte korrekt identifiziert; bei nur einem gemeinsamen Film lag die Quote bei rund drei Prozent.
Nach Ansicht der Forscher funktioniert der Ansatz mit Rohdaten von Benutzern auf beliebigen Plattformen.
URLs:
- Forschungbericht bei arXiv: https://arxiv.org/abs/2602.16800
- Bericht bei The Register: https://www.theregis … killed_privacy_star/
- Bericht bei The Decoder (deutsch): https://the-decoder. … r-nur-wenige-dollar/