Forscher verwenden LLMs, um anonyme Forum-Konten für 1 bis 4 US-Dollar pro Ziel mit echten Namen zu verknüpfen
- Eine von Forschern der ETH Zürich, MATS und Anthropic entwickelte LLM-Pipeline verknüpfte 226 der 338 pseudonymen Hacker News-Nutzer mit ihren LinkedIn-Profilen.
- Das Aufdecken eines Profils kostet $1 bis $4.
- Die Forscher haben ihren Code, ihre Prompts und jede echte Identität, die das System aufdeckte, zurückgehalten.
Forscher der ETH Zürich, der AI-Sicherheitsgruppe MATS und Anthropic haben eine automatisierte LLM-Pipeline entwickelt, die pseudonyme Beiträge mit realen Identitäten verbinden kann. Es konnte Hunderte von Hacker News-Nutzern mit 90 % Präzision für so wenig wie 1 US-Dollar pro Nutzer identifizieren.
Das Papier vom Februar machte diese Woche auf X und Reddit ein Comeback.
Das Papier „Large-scale online deanonymization with LLMs“ wurde erstmals am 18. Februar auf arXiv veröffentlicht. Später erschien es in den Proceedings des 35. USENIX Security Symposium.
Die Autoren sind Simon Lermen, Daniel Paleka, Joshua Swanson, Michael Aerni, Nicholas Carlini und Florian Tramèr. Carlini ist Mitarbeiter von Anthropic, dem Schöpfer von Claude, und die anderen sind mit der ETH Zürich und MATS verbunden.
Vier Stufen reduzieren einen Pool von 89,000 Kandidaten auf eine Shortlist
Keine gestohlenen Daten oder gehackten Server sind beteiligt. Der Agent liest Dinge, die jeder bereits sehen kann, und erledigt dann die Arbeit eines geduldigen Ermittlers, aber günstiger und schneller.
Die Forscher teilten den Angriff in vier Stufen auf, die sie Extract, Search, Reason und Calibrate nannten. Zunächst erhält ein Sprachmodell Identitätshinweise aus rohen Beiträgen, wie einen Hinweis auf einen Job, einen Standort oder eine Art zu formulieren.
Semantische Embeddings reduzieren dann einen Pool von bis zu 89.000 Kandidaten auf eine Shortlist. Ein Reasoning-Modell bewertet die besten Übereinstimmungen und entscheidet, ob zwei Konten dieselbe Person sind.
Der Schritt Calibrate veranlasst die Pipeline, sich zurückzuhalten, wenn sie nicht sicher ist. Weniger falsch-positive Ergebnisse.
Die Pipeline läuft auf Standard-Tools, Websuche, Embeddings und Modellen, z. B. GPT-5.2. Vorherige Deanonymisierungsangriffe, wie die Wiedererkennung der anonymisierten Netflix-Bewertungen von 2008, stützten sich auf strukturierte Daten.
Die Pipeline identifizierte 226 von 338 Hacker News-Nutzern mit 90 % Präzision
Um die Methode zu bewerten, ohne echte Menschen zu gefährden, versammelte das Team 338 Hacker News-Nutzer mit Bios, die auf eine LinkedIn-Seite verwiesen. Jeder hatte eine bekannte Ground-Truth-Identität.
Nur Kommentare und Einreichungen gefüttert, nannte der Agent 226 korrekt, wobei etwa 67 % bei 90 % Präzision lagen. Der Agent hatte 25 falsche Aufrufe und ließ 86 Konten aus.
Klassische Nicht-LLM-Baselines erreichten in den größeren Matching-Tests des Papiers nahezu Null. Die Experimente kosteten insgesamt weniger als 2.000 US-Dollar, bzw. 1 bis 4 US-Dollar pro Profil.
Zwei andere Datensätze passten Reddit-Nutzer über zwei verschiedene Film-Communities hinweg und rekonstruierten eine Reddit-Historie, indem sie eine einzelne Historie in zwei Zeiträume aufteilten. Und in jedem Fall schlugen LLM-Methoden die älteren Techniken mit großem Abstand.
Die Autoren zitieren Regierungen, die Journalisten oder Aktivisten ins Visier nehmen, Unternehmen, die immer schärfere Werbeanbieterprofile erstellen, und Betrüger, die Akten für Social-Engineering-Angriffe aufbauen.
„Die Kombination ist oft ein eindeutiger Fingerabdruck“, schrieb Lermen in einem Blog-Beitrag vom 24. Februar. Er fügte hinzu, dass, wenn ein Team von intelligenten Ermittlern jemanden anhand seiner Beiträge identifizieren könnte, LLM-Agents dies wahrscheinlich auch können, und die Kosten werden nur sinken.
Die Forscher haben den Code, die Prompts oder keine echten Identitäten, die vom System gefunden wurden, nicht veröffentlicht. Die Studie wurde vor der Veröffentlichung vom Ethikbeirat der ETH Zürich überprüft.
Das Papier kommt zu dem Schluss, dass „die praktische Obskurität, die pseudonyme Nutzer online schützt, nicht mehr gilt.“
Das Wiederaufleben des Papiers erfolgt einen Tag nachdem SEC-Kommissarin Hester Peirce vor der massenhaften Sammlung von KYC-Daten gewarnt hat. Peirce sagte, dieser Ansatz bedeute „größere und größere Datenheuhaufen zu bauen.“
Jüngste Sicherheitsvorfälle bei Revolut und mit dem Hardware-Wallet-Hersteller Trezor verbundenen Anbietern haben die Angst vor „Wrench-Angriffen“ geschürt, bei denen jemand, der erfährt, wer Krypto hält, persönlich auftaucht.
Lesen Sie nicht nur Krypto-Nachrichten. Verstehen Sie sie. Abonnieren Sie unseren Newsletter. Es ist kostenlos.
Häufig gestellte Fragen
Wer hat die Entanonymisierungsstudie verfasst?
Forscher der ETH Zürich, der KI-Sicherheitsgruppe MATS und Anthropic verfassten die Studie.
Wie viel kostet es, ein Konto aufzudecken?
Die Forscher schätzen die Kosten pro Profil auf $1 bis $4.
Handelte es sich bei dem Angriff um einen Hack oder einen Datenleck?
Nein. Der Agent nutzte ausschließlich öffentlich zugängliche Beiträge, ohne Hacking oder geleakte Daten.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor der Entscheidung für eine Anlage unabhängige Recherchen durchzuführen und/oder sich mit einem qualifizierten Fachmann beraten zu lassen.
Randa Moses
Randa Moses ist Redakteurin und Reporterin bei Cryptopolitan, wo sie über Technologie, KI, Robotik, Krypto, Betrug und Hacks berichtet. Sie arbeitet seit 2017 im Krypto-Bereich. Zuvor war sie bei Forward Protocol, AmaZix und Cryptosomniac tätig. Randa besitzt einen Abschluss in Elektrotechnik und Elektronik der University of Bradford.
