Makalah penelitian baru menunjukkan bahwa model bahasa besar dapat mengidentifikasi identitas nyata di balik nama pengguna anonim online dengan akurasi tinggi. Metode tersebut, yang hanya berbiaya $4 per orang, menganalisis postingan untuk petunjuk dan membandingkannya di seluruh internet. Peneliti dari ETH Zurich, Anthropic, dan MATS memperingatkan penurunan privasi online.
Diterbitkan pada 26 Februari 2026, makalah berjudul «Deanonymization online skala besar dengan LLM» mengeksplorasi bagaimana chatbot AI canggih dapat mengungkap orang sungguhan di balik nama samaran di platform seperti Reddit dan Hacker News. Studi tersebut, dilakukan oleh peneliti dari ETH Zurich, Anthropic—perusahaan induk Claude—dan kelompok penelitian MATS, memperkenalkan teknik bernama ESRC: Ekstrak petunjuk, Cari, Alasan, dan Kalibrasi. AI pertama-tama memeriksa postingan untuk petunjuk pribadi, seperti minat pada pengkodean game Python, film Marvel, keluhan tentang sekolah di Seattle, atau gaya penulisan khas. Kemudian mencari situs seperti LinkedIn, Google, dan akun Reddit lainnya untuk menemukan profil yang cocok. Akhirnya, ia menyimpulkan keselarasan gaya, hobi, dan waktu untuk menilai tingkat kepercayaan, mencapai kecocokan tanpa campur tangan manusia. Pengujian pada pengguna Hacker News nyata menghasilkan tingkat keberhasilan 67% dalam menghubungkan nama pengguna rahasia dengan identitas nyata, dengan akurasi 90% ketika AI membuat prediksi. Untuk postingan Reddit dari pengguna yang sama di tahun atau grup berbeda, tingkat keberhasilan mencapai 68%. Prosesnya murah, hanya memerlukan hingga $4 per individu menggunakan chatbot yang dapat diakses seperti versi mendatang ChatGPT atau Claude. Simon Lermen, salah satu peneliti utama, menyoroti implikasi untuk privasi. Sebelumnya, menjaga anonimitas online bergantung pada upaya investigasi manual yang bisa memakan waktu berjam-jam atau hari. Kini, otomatisasi ini memungkinkan individu, perusahaan, atau otoritas menganalisis ribuan akun dengan cepat, berpotensi mengungkap nama, sekolah, kota, atau pekerjaan dari beberapa komentar. Peneliti menyebut ini sebagai akhir dari «ketidakjelasan praktis», di mana ketidakjelasan pernah memungkinkan meskipun ada kemungkinan teknis.
