Анонимность в сети держится на ~29 битах стиля письма: гипотеза «Псевдоапокалипсис»

Автор анонимного блога dynomight.net сформулировал гипотезу «псевдоапокалипсиса»: если человек написал в интернете под разными именами достаточно много текста, эти личности можно связать друг с другом по одному лишь тексту, из-за статистического «отпечатка», который каждый оставляет в своём письме. Публичного сервиса, который бы это делал, пока не существует, но автор считает, что он скоро появится. Эссе он писал ещё в середине 2025 года, потом год держал черновик у себя, и за это время языковые модели заметно продвинулись в угадывании авторов: по его словам, если дать модели Claude 4.8 первую тысячу слов черновика этого же текста, она понимает, что автор, он сам.

Автор выдвигает и более широкую гипотезу, «обобщённый псевдоапокалипсис»: по его мнению, скрыть личность становится трудно в принципе через любой высокополосный канал. Наденете маску и будете говорить через изменитель голоса, вас всё равно узнают по фигуре, походке или химическому «запаху». Откажетесь от телефона и добьётесь отмены автомобильных номеров, машину всё равно опознают по царапинам или звуку двигателя. Заблокируете браузер, будете платить только Monero и подключаться через цепочку из трёх VPN, вас выдаст то, как палец двигается по экрану при прокрутке.

Чтобы обосновать тезис про текст математически, автор строит упрощённую модель: представим, что при рождении каждому присваивается случайная битовая строка, и любой пост в сети подписывается ею. Если строка короткая (например, 4 бита), у многих людей она совпадёт. Если длинная, она почти наверняка уникальна, и связать все псевдонимы человека тривиально. Переходная точка, там, где число возможных строк (2 в степени K) сравнивается с числом людей (N): для примерно 490 миллионов ныне живущих англоязычных жителей планеты это происходит на уровне K ≈ 29 бит (2^28,86 ≈ 490 000 000).

Далее автор усложняет модель до более реалистичной: у каждого есть устойчивая «строка» стилистических склонностей, и с каждым написанным словом есть некоторый шанс, что один из её битов «раскрывается» и остаётся в тексте как сигнатура, например, бит про то, ставит ли автор пробелы вокруг тире или нет. Формально, если у «атакующего» есть K совпавших раскрытых битов двух текстов и в популяции N человек, вероятность, что случайно найдётся ещё кто-то с таким же совпадением, равна 1 − (1 − 2⁻ᴷ)ᴺ; при N = 490 млн переходная точка снова оказывается около 29 бит. Значит, если стиль письма содержит хотя бы 29 бит информации и человек написал достаточно текста, его личность вычисляется без сравнения с текстами всех остальных людей, просто по внутренней непротиворечивости совпадений.

Что именно скрыто в «стиле»? Автор перечисляет демографические признаки, которые, по его наблюдению, можно угадать по тексту лучше случайного: возраст, образование, этническая принадлежность, семейное положение, доход, психическое и физическое здоровье, родной язык, профессия, политические взгляды, регион, религиозная принадлежность, пол. К этому добавляются черты личности по модели HEXACO, шесть факторов (честность-скромность, эмоциональность, экстраверсия, доброжелательность, добросовестность, открытость опыту), у каждого по четыре «грани», итого 24 потенциально угадываемых по тексту черты. И, наконец, сам стиль письма как таковой, синтаксические привычки, разбитые инфинитивы, дефисные конструкции и подобное.

Автор подкрепляет идею историческими примерами атрибуции текста по стилю: в 1440 году Лоренцо Валла доказал подложность «Константинова дара» (документа о передаче Римской империи католической церкви), показав, что использованный в нём язык относится к эпохе на 400 лет позже смерти императора Константина; в 1851 году Огастес Де Морган заметил, что средняя длина слова у одного автора стабильна; а в 1964 году Фредерик Мостеллер и Дэвид Уоллес в работе «Inference in an Authorship Problem» («Вывод в задаче об авторстве») установили авторство спорных статей «Записок Федералиста» по статистике употребления слов.

Ключевые факты

• Гипотеза: если человек написал в сети достаточно много текста под разными именами, эти псевдонимы можно связать друг с другом по одному лишь стилю письма («отпечатку»)
• Порог различимости, около 29 бит стилистической информации: он выводится из численности ныне живущих англоязычных жителей планеты (~490 млн, 2^28,86 ≈ 490 000 000)
• Языковая модель Claude 4.8 уже опознала автора эссе по первым 1000 словам черновика того же текста
• Историческая опора: Лоренцо Валла в 1440 году разоблачил подложность «Константинова дара» по анахронизмам языка; Де Морган в 1851-м заметил стабильность средней длины слова у автора; Мостеллер и Уоллес в 1964 году статистически установили авторство спорных статей «Записок Федералиста»
• Более широкая гипотеза автора: анонимность утекает не только через текст, но и через любой высокополосный канал, походку, звук двигателя автомобиля, движения пальца при прокрутке экрана

Почему это важно

Автор соединяет наблюдение (языковые модели быстро прогрессируют в угадывании авторов текста) с математическим аргументом: как только объём стилистически значимой информации в тексте человека превышает ~29 бит, а текста накоплено достаточно, связать все его псевдонимы становится вопросом времени, а не удачи атакующего. Иллюстрация не абстрактна, Claude 4.8 уже опознал самого автора по фрагменту черновика.

Кому это важно

Прежде всего, авторам, которые пишут под псевдонимами по личным, профессиональным или политическим причинам: блогерам, журналистам, разоблачителям, людям, которым анонимность нужна для безопасности. Также релевантно для платформ и исследователей, которые строят или изучают инструменты стилометрии, и для всех, кто полагается на анонимность в сети как на защиту приватности.

Как это применить

Прямого инструмента для деанонимизации автор не приводит и не даёт ссылку на существующий сервис, он говорит, что такой сервис пока публично не встречал, но ожидает его скорого появления. Практический вывод из текста: значительный объём написанного одним человеком стоит рассматривать как потенциальный идентификатор личности вне зависимости от использованного псевдонима, а привычные меры анонимности (VPN, отказ от телефона и госномеров, маска и изменитель голоса) не спасают, если сохраняется достаточно данных по другому высокополосному каналу.

Можно ли доверять

Материал, авторское эссе-гипотеза (conjecture), а не рецензируемое исследование: сам dynomight пишет под псевдонимом. Математическая часть про 29 бит прозрачна и опирается на простую комбинаторику (2^K ≈ N), а историческая часть, на реальные, проверяемые случаи атрибуции текста (Валла, Де Морган, Мостеллер и Уоллес). При этом ключевое эмпирическое подтверждение про современные LLM, единичный анекдот про Claude 4.8, узнавший самого автора, без систематических данных или тестов на широкой выборке.

Риски и подводные камни

Модель с 29 битами, идеалистическая абстракция: она предполагает независимые случайные биты и не учитывает шум, корреляции между стилистическими признаками и неравномерность их распределения в реальных текстах, сам автор оговаривает, что реальная картина сложнее, хотя настаивает, что общий вывод не меняется. Если гипотеза верна на практике, у неё есть и тревожная сторона: те же методы, что разоблачают лицемерие или мошенничество, годятся и для деанонимизации диссидентов, разоблачителей и уязвимых пользователей, скрывающихся под псевдонимом ради безопасности, а не ради обмана.

«За это время языковые модели стали намного лучше угадывать авторов по тексту. Дай Claude 4.8 первую тысячу слов черновика этого же эссе, и модель понимает, что автор, я.»

— автор блога dynomight.net