Why does TLS not actually hide what I am asking my AI assistant?
Oportunidad
Streaming LLM responses emit tokens one at a time over an encrypted connection, and each packet arrival changes size and timing in ways that correlate with topic. The Whisper Leak paper published in November 2025 demonstrated topic classification with above 98% AUPRC across 28 major providers using only encrypted traffic metadata. Several providers issued patches but each mitigation trades query privacy for added latency and there is no agreed specification for what a sufficient defense looks like. The structural problem is that any low-latency streaming protocol leaks information through timing, so padding and noise are palliatives rather than solutions.
Por qué importa
Every enterprise using a hosted LLM for sensitive work is operating under a false assumption about what TLS protects, and the fix requires rethinking the streaming transport layer itself.
Cómo evalúo la oportunidad
La Puntuación de Oportunidad es mi propia lectura, no una medición: cuánto duele, con qué frecuencia aparece y qué tan poco existe para resolverlo hoy. Un valor más alto significa que creo que vale más la pena construirlo.
Cuánto dolor causa cuando aparece.
Con qué frecuencia la gente se topa con ello.
Qué tan pocas herramientas buenas existen para ello hoy.
Más problemas que vale la pena resolver
¿Por qué toda aplicación de IA me olvida en el momento en que cierro la pestaña?
AI¿Por qué aprender una nueva área sigue dependiendo de saber qué preguntar?
AI¿Por qué una persona sin experiencia no puede verificar lo que una IA acaba de decirle?
AI¿Por qué probamos los modelos en benchmarks pero los lanzamos a producción guiándonos por la intuición?
AI¿Por qué los agentes de IA no tienen memoria de sus propios errores?
AI¿Por qué no puedo auditar en qué fue entrenado realmente un modelo?