LLM APIにおけるモデル置換は文書化された問題です。 リサーチ:「支払った分だけの成果を得ているか?LLM APIにおけるモデル置換の監査」 調査結果:提供者は高価なモデルを安価なものに密かに交換する経済的インセンティブを持っています。ユーザーは実際に何が動いているか確認する手段がありません。 Braveは暗号解析で検証可能なAIでこれを解決しました。 実装方法:@brave Leoは現在、証明可能なプライバシーとモデルの透明性のために@near_ai @nvidia Trusted Execution Environmentsを使用しています。これはハードウェアによる暗号学的保証です。 建築について: TEE対応のNvidia GPUは、推論時にデータとコードを完全に暗号化したハードウェア隔離された安全なエンクレーブを作成します。 暗号学的認証レポートにはモデルハッシュと実行コードのハッシュが含まれています。 リモート認証は、未改変のオープンソースコードを実行している本物のNvidia TEEを検証します。 保証内容: - 機密性:完全に侵害されたOSでもTEEメモリにアクセスできない(ハードウェア隔離) - 整合性:正確なモデルとコードの実行の暗号学的証明 - 検証可能性:コードからハードウェア認証までのオープンソースチェーン 検証の連鎖: ユーザーはモデルを選択し→ @brave@near_ai暗号証明を検証→TEEハードウェア@nvidia確認→DeepSeek V3.1が未修正で動作していることを証明し、緑✅色のバッジが表示され→ これにより、3つの重大な問題が解消されます。 (1) プライバシーの洗濯:マーケティングよりも数学を優先する。暗号学的証明はプライバシーポリシーに代わります。 (2) モデルの代替:選択した/支払ったモデルが手に入ることをハードウェアで証明する。 (3) 信頼要件:ハードウェア保証は法的契約に代わる。 APPLE PRIVATE CLOUD COMPUTEとの比較: TEEアプローチは似ていますが、哲学は異なります:...