维塔利克·布特林测试多层隐私架构保护AI健康建议数据

以太坊联合创始人维塔利克·布特林近期开展一项创新实验，旨在通过多层级技术手段，在使用人工智能生成健康建议时实现个人数据的深度保护。他利用自身健康与旅行数据，在不向外部服务直接披露敏感内容的前提下，尝试获得个性化的饮食与运动指导。

构建三重隐私防护体系

该系统基于本地部署的人工智能模型 Qwen 3.8 Flash Next，其核心机制是根据实际需求动态调用远程高级模型，同时最大限度减少每次交互中传递的个人信息量。

第一层聚焦提示词安全：本地模型负责构建并过滤查询内容，主动屏蔽可能暴露身份的语言特征或表达风格，防止被远程模型反向识别。

第二层引入 zkAPI 技术，这是一种基于零知识证明的私有支付协议。用户将资金存入专用保险库，通过签名授权支出，而非绑定具体身份或请求。交易记录由支付方验证资金状态，却无法获取原始查询内容。

第三层采用 Tor 网络路由，确保客户端通信路径匿名化。通过在暗网环境中运行 zkAPI 客户端，有效隐藏用户的 IP 地址与网络行为特征。

尽管各层分别应对不同风险点，但研究指出，即便移除姓名等显性信息，若存在重复使用内容、一致写作风格或历史关联，仍可能使跨会话追踪成为可能，凸显了人工智能交互中隐私保护的复杂性。

性能瓶颈与现实权衡

布特林表示，借助远程模型支持，生成的健康建议质量显著提升。然而，整个流程也暴露出明显的效率问题。

由于依赖 Tor 网络进行数据传输，响应时间比常规连接慢 10 至 100 倍。此外，本地模型处理速度受限，每秒仅能处理 20 到 30 个文本单元，远低于流畅交互所需的每秒百次以上目标。

提示词设计也成为关键难点：信息过少影响建议实用性，过多则增加泄露风险。如何在隐私强度与输出价值之间取得平衡，成为未来优化的核心议题。

迈向密码学驱动的世界计算机

此次实验呼应了布特林近期提出的愿景——推动以太坊向“密码学世界计算机”演进。这一方向强调更强的隐私能力、形式化验证机制以及由先进密码学支撑的链下计算范式。

HeGotá 被视为在引入抗量子算法与递归零知识证明前的最后一个常规分叉版本，标志着以太坊在去中心化与安全性深化道路上的重要节点。