--- title: "Technologia HDK" author: "Jakub Ćwirlej" id: hdk-tech language: pl url: "https://jakubcwirlej.com/pl/articles/hdk-tech.md" page: "https://jakubcwirlej.com/pl/apps/" translations: en: "https://jakubcwirlej.com/articles/hdk-tech.md" fr: "https://jakubcwirlej.com/fr/articles/hdk-tech.md" nl: "https://jakubcwirlej.com/nl/articles/hdk-tech.md" updated: 2026-10-14 words: 654 summary: "Autor opisuje HDK, darmową bibliotekę w Pythonie (CC BY-NC 4.0; wcześniejsze wersje Apache 2.0) wydzieloną z OrsonAI, dzięki której manipulacja zapisami rozmów z modelami językowymi staje się wykrywalna. Biblioteka haszuje każde zdarzenie razem z przodkami, dodaje licznik „kanarka” powiązany z sekretem i kotwiczy korzenie Merkle'a w Hedera Consensus Service." summary_type: editorial --- # Technologia HDK Jakub Ćwirlej · język tekstu: PL · 654 słów ## Streszczenie (redakcyjne) Autor opisuje HDK, darmową bibliotekę w Pythonie (CC BY-NC 4.0; wcześniejsze wersje Apache 2.0) wydzieloną z OrsonAI, dzięki której manipulacja zapisami rozmów z modelami językowymi staje się wykrywalna. Biblioteka haszuje każde zdarzenie razem z przodkami, dodaje licznik „kanarka” powiązany z sekretem i kotwiczy korzenie Merkle'a w Hedera Consensus Service. ## Najważniejsze punkty (redakcyjne) - Zmiana czegokolwiek na dowolnym poziomie, od jednego słowa zapytania po cały dokument, zmienia skróty wszystkich zdarzeń potomnych. - Domyślnie HDK kotwiczy korzeń Merkle'a w Hederze po każdym 1000 zdarzeń; jedna kotwica kosztuje 0,0001 dolara, czyli 0,0000001 dolara na interakcję. - W pomiarach opisanych w pracy, na standardowej infrastrukturze chmurowej x86, narzut wynosi poniżej milisekundy na zdarzenie. - Tekst odnosi HDK do wymogów prowadzenia rejestrów i przejrzystości z art. 12 i 13 unijnego AI Act. - Wskazane ograniczenia: kanarek nie wykrywa biernego kopiowania na poziomie infrastruktury, a same losowe kontrole nie wyłapią pojedynczej, chirurgicznej zmiany. ## Pełny tekst (słowa autora) HDK (Hedera Detection Key) to niewielka, darmowa biblioteka w Pythonie, którą wydzieliłem z OrsonAI jako osobne, otwarte narzędzie. Od wersji 0.1.3 jest na licencji CC BY-NC 4.0 (wcześniejsze wersje, wydane na Apache 2.0, pozostają na tej licencji). Do pobrania jest darmowa biblioteka w wersji alfa 0.1.3 z opcjonalnym kotwiczeniem w Hederze (instalacja z pobranego pliku: pip install ./hdk-audit-0.1.3.zip). Przez pewien czas działała w aplikacji demonstracyjnej, kotwicząc zapisy w Hederze; aplikacja nie weszła do produkcji, więc HDK nie jest dziś używane produkcyjnie. Działa jako pośrednik między aplikacją a API modelu językowego i zapisuje każdą interakcję tak, że późniejsza manipulacja staje się wykrywalna. Nie zmienia zapytań ani odpowiedzi – dodaje do nich kryptograficzny dowód tego, o co zapytano, co wróciło, kiedy i z jakiego modelu. ### Problem Firmy i redakcje coraz częściej polegają na tekstach wygenerowanych przez AI, a nie mają weryfikowalnego dowodu, co model naprawdę wytworzył. Logi aplikacji leżą w bazach kontrolowanych przez operatora: można je zmienić albo usunąć, a nikt z zewnątrz nie sprawdzi, że tego nie zrobiono. Nawet tam, gdzie istnieją łańcuchy skrótów, zmianę wykrywa się dopiero przy ręcznym porównaniu zapisów – nic nie sprawia, że nieuprawniony dostęp ujawnia się sam w chwili, gdy do niego dochodzi. ### Hierarchiczna genealogia skrótów HDK liczy skrót SHA-256 każdego zdarzenia razem ze skrótami wszystkich jego przodków: projektu, dokumentu, rozmowy, zapytania i odpowiedzi. Skrót odpowiedzi zawiera więc całą ścieżkę aż do projektu. Wystarczy zmienić cokolwiek na dowolnym poziomie – jedno słowo w zapytaniu, jeden dokument – a zmieniają się skróty wszystkich potomków. Dla każdego projektu HDK wylicza korzeń Merkle'a: jeden skrót, który reprezentuje stan całego projektu w danej chwili. ### Kanarek Druga warstwa to „kanarek”: tajna, 256-bitowa wartość i licznik, który rośnie przy każdym odczycie. Ich skrót (zobowiązanie) jest wplatany w każdy zapis i okresowo utrwalany. Jeśli ktoś odczyta dane przez warstwę pośredniczącą bez aktualizacji licznika, licznik przestaje się zgadzać; jeśli zaktualizuje licznik, nie znając sekretu, przestaje się zgadzać zobowiązanie. W obu przypadkach weryfikacja kończy się wynikiem negatywnym. Pomysł przenosi na klasyczną infrastrukturę zasadę z mojej wcześniejszej, koncepcyjnej pracy o wykrywaniu naruszeń przy izolowaniu AI. ### Kotwiczenie w Hederze Co pewien czas – domyślnie po każdym 1000 nowych zdarzeń – HDK publikuje korzeń Merkle'a w Hedera Consensus Service, publicznym rejestrze, który dodaje znacznik czasu konsensusu i numer kolejny. Z systemu użytkownika wychodzą wyłącznie skróty; treści, tożsamości i zapytania zostają prywatne („dane prywatne, dowód publiczny”). Zapis może potem niezależnie sprawdzić każdy, np. w serwisie hashscan.io (kotwice OrsonAI z lutego–maja 2026: temat 0.0.10278996 w sieci głównej Hedery). Ponieważ łańcuchy przodków nowych zdarzeń sięgają w zakres poprzedniej kotwicy, każda kotwica pośrednio potwierdza wszystkie wcześniejsze: im dłużej system działa, tym trudniej niepostrzeżenie przepisać historię. ### Narzut i koszt W pomiarach opisanych w pracy, na standardowej infrastrukturze chmurowej x86, HDK dodaje poniżej milisekundy na zdarzenie. Jedna kotwica kosztuje 0,0001 dolara, więc przy domyślnym interwale 1000 zdarzeń kotwiczenie kosztuje 0,0000001 dolara na interakcję – około 0,0001% ceny typowego wywołania modelu (0,01–0,10 dolara). Kotwica dla każdego zdarzenia, dla najwyższego poziomu bezpieczeństwa, to 0,0001 dolara. ### Dlaczego to ważne: AI Act Unijny AI Act wymaga od systemów AI wysokiego ryzyka prowadzenia rejestrów zdarzeń (art. 12) i przejrzystości (art. 13). HDK daje ślad audytowy, który strona trzecia może zweryfikować bez wglądu w jakiekolwiek prywatne treści. W OrsonAI ten mechanizm był podstawą certyfikatu ludzkiego autorstwa tekstu. ### Ograniczenia Gwarancje HDK są obliczeniowe – wynikają z odporności SHA-256 i z zewnętrznego kotwiczenia – a nie absolutne. Kanarek działa na poziomie aplikacji: wykrywa dostęp przez warstwę pośredniczącą HDK, ale nie bierne kopiowanie danych na poziomie systemu operacyjnego czy infrastruktury, bo skopiowane bity nie zostawiają śladu. Kopia nie pozwala jednak sfałszować historii: zmiana dowolnego dawnego zdarzenia łamie genealogię, a kotwice w Hederze przechowują stan pierwotny. Losowe kontrole integralności wyłapują masowe zmiany, ale nie pojedynczą, chirurgiczną modyfikację – przed nią chronią genealogia i kotwiczenie. Bezpieczeństwo zakłada, że nienaruszona pozostaje co najmniej jedna z trzech warstw: dane po stronie użytkownika, zakotwiczony zapis w Hederze albo materiał tajny. Dalsze kroki to formalna weryfikacja własności łańcucha skrótów (Coq/Lean), federacja systemów na wspólnych tematach HCS i certyfikaty pochodzenia treści z selektywnym ujawnianiem. - [Przeczytaj pracę na ResearchGate](https://www.researchgate.net/publication/400762996) - [Pobierz darmową bibliotekę HDK](https://jakubcwirlej.com/files/hdk/hdk-audit-0.1.3.zip) - [HDK na Hugging Face](https://huggingface.co/JakCwi/hdk-audit) --- Jakub Ćwirlej — Dziennikarz, który buduje z AI · na stronie: https://jakubcwirlej.com/pl/apps/ Pełny kontekst: https://jakubcwirlej.com/context/pl.md · https://jakubcwirlej.com/llms.txt