Vitalik Buterin尝试使用保持个人数据隐私的AI_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

Vitalik Buterin尝试使用保持个人数据隐私的AI

2026-10-04 15:07:15

以太坊联合创始人Vitalik Buterin测试基于本地模型与隐私技术的AI健康咨询方案

以太坊联合创始人Vitalik Buterin近期测试了一套专注于隐私保护的AI架构。该方案结合本地大语言模型、zkAPI（零知识证明应用编程接口）以及Tor网络，旨在生成个性化的饮食和运动建议，同时最大限度地减少向远程模型发送的个人敏感信息。

核心策略：三层隐私隔离机制

在此次自我实验中，Buterin利用阿里巴巴的Qwen3.8-Flash-Next作为本地模型。其核心逻辑在于：本地模型在将请求发送至远程强大模型之前，会对提示词进行重写和处理，仅保留完成任务所需的最小化健康数据和旅行信息，从而降低个人身份或写作风格泄露的风险。

Buterin将该设计描述为涵盖内容、支付信息和网络流量的“三层隐私保护”：

第一层（内容隐私）：由本地Qwen模型处理。它自行构建查询语句，而不是直接将用户的原始措辞和完整的个人背景发送给远程AI系统。
第二层（支付匿名）：使用zkAPI实现。该协议由Open Anonymity Project与以太坊基金会合作开发，并于10月1日上线以太坊主网。zkAPI允许用户为计费的API付费，同时将支付身份与具体的AI请求分离。用户通过证明拥有足够余额来完成支付，而无需暴露具体是哪个存款账户支付了哪一次请求。服务提供商无需知晓用户的提示词内容，而AI提供商接收提示词时也无法获知背后的计费身份。
第三层（网络匿名）：通过Tor网络隐藏用户的真实IP地址。Buterin指出，仅隐藏支付信息不足以防止AI提供商通过提示词内容或网络元数据推断出用户身份，因此这三重保护缺一不可。

技术局限性与性能挑战

尽管架构设计严密，但当前实验仍面临显著的性能瓶颈：

Tor延迟问题：Buterin表示，目前Tor网络的延迟比预期高出10至100倍。由于Tor并非专为这种“逐请求 unlinking（去关联）”场景设计，导致每次请求都难以高效地切断与前序请求的联系。为此，GitHub上的相关代码更新增加了多项网络超时限制（如模型列表超时从1分钟增至3分钟），以适配Tor路由带来的缓慢响应。
本地推理速度不足：在测试环境中，Qwen3.8-Flash-Next模型的运行速度约为每秒20至30个Token（TPS）。Buterin认为，本地推理要达到舒适的体验水平，速度需超过每秒100个Token。

隐私边界与技术细节

需要明确的是，zkAPI并不能完全屏蔽发送给AI模型的所有内容。官方文档明确指出，上游提供商仍能读取提示词中的显式信息，且网络时序信息在零知识证明系统之外仍可被观察。如果用户在提示词中重复使用个人细节、写作模式或历史对话，会话之间仍可能被关联。

为了缓解这一问题，Buterin引入了技能文件（Skill File）来指导本地模型何时调用远程系统，以及如何构造包含更少识别信息的请求。虽然个人的健康和旅行记录保留在本地系统中，但远程模型仅接收针对特定任务筛选后的部分信息。

未来展望

此次实验符合Buterin长期以来对AI时代隐私保护的重视。随着AI能力增强和数据集中化趋势加剧，他对更强隐私工具的需求日益迫切。然而，他也承认当前的请求编写规则仍有改进空间：如果在远程传输中过度剔除个人上下文，可能会削弱远程模型提供的帮助效用。他总结道：“你在发送远程信息时越谨慎，远程模型能提供的协助就越有限。”

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文