Pesquisadores da Yale apresentam protocolo Maverick para proteger prompts de IA durante inferência remota
Uma equipe da Yale detalhou o Maverick, um sistema que mascara as entradas do usuário ao delegar o trabalho do modelo de IA a servidores externos, relatando ganhos de velocidade de até 45 vezes em testes iniciais.
Traduzido do inglês. Ler o original
Principais pontos
- O Maverick criptografa prompts com uma máscara aleatória antes de enviá-los a um servidor de computação, impedindo que o servidor veja a entrada original.
- Máscaras pré-computadas permitiram que o processamento de tokens fosse até 45 vezes mais rápido do que executar o modelo inteiramente em um dispositivo portátil.
- O protocolo foi divulgado em um pré-print não revisado por pares no arXiv, postado em 9 de setembro de 2026, e é apoiado em parte por uma concessão do IC3.
Seis pesquisadores de ciência da computação da Universidade de Yale publicaram um artigo técnico em 9 de setembro de 2026 que descreve o Maverick, um framework projetado para manter o conteúdo de prompts de IA oculto quando o trabalho pesado é realizado em um servidor de terceiros. A abordagem permite que um smartphone ou outro dispositivo de baixo desempenho transfira a maior parte das operações aritméticas para um processador remoto, enquanto a consulta original do usuário permanece oculta.
Técnica de mascaramento e verificação
O dispositivo cliente primeiro aplica uma máscara criptográfica que parece aleatória para um observador e, em seguida, transmite os dados mascarados para o servidor. Após o servidor retornar um resultado, o dispositivo remove a máscara para recuperar a resposta.
Para confirmar que o servidor executou o modelo corretamente, o Maverick executa uma breve verificação aleatória, em vez de reproduzir o cálculo completo localmente. Esta etapa de verificação se baseia em conceitos de sistemas de prova de conhecimento zero, uma área também explorada por redes de computação baseadas em blockchain.
O artigo contrasta o Maverick com o DeepProve, outro verificador de aprendizado de máquina de conhecimento zero que pode atestar um resultado correto, mas não oculta a entrada bruta do servidor.
Resultados de desempenho
Os testes utilizaram o modelo de linguagem Qwen3-4B em uma única thread de processamento no lado do cliente, combinado com um servidor de CPU capaz de 128 threads paralelas. Quando as máscaras foram preparadas com antecedência, o sistema processou tokens de prompt até 45 vezes mais rápido do que um cenário em que o dispositivo executava o modelo inteiramente em seu próprio hardware.
Se as máscaras fossem geradas em tempo real durante a inferência, a vantagem de velocidade caiu para 17 vezes, ainda representando uma redução substancial na carga de trabalho local.
Um experimento separado simulou uma rede com duas threads de cliente e 64 threads de servidor. Sob uma latência de ida e volta de 50 milissegundos, o primeiro token surgiu 1,42 e 1,46 vezes mais rápido do que a execução puramente local; com latência de 100 ms, a abordagem remota foi mais lenta, destacando a sensibilidade do protocolo ao atraso da rede.
Os autores apontam que a quantidade de armazenamento do lado do cliente necessária para máscaras pré-computadas é uma limitação primária, descrevendo-a como "um gargalo-chave da nossa abordagem".
Equipe, financiamento e comentários relacionados
A professora assistente Fan Zhang e a candidata a doutorado Wenhao Wang são listadas como afiliadas à Iniciativa para Criptomoedas e Contratos (IC3); uma concessão do IC3 financia parcialmente a contribuição de Wang. Charalampos Papamanthou, também coautor, ocupa o cargo de cientista-chefe na Lagrange Labs, uma empresa que desenvolve sistemas de prova de conhecimento zero, incluindo o DeepProve.


Discussão 0