Vitalik Buterin 尝试使用人工智能来保护个人数据隐私

以太坊联合创始人 Vitalik Buterin 测试了一种以隐私为中心的 AI 设置，该设置使用本地模型、zkAPI 和 Tor 来生成个性化的饮食和运动建议，同时限制发送到远程模型的个人信息。

要点

• Vitalik Buterin 正在使用本地 Qwen、zkAPI 和 Tor 路由测试私人 AI 健康建议。

• 他的本地模型会在远程模型接收有限的健康和旅行数据之前重新编写提示。

• zkAPI 将支付身份与模型请求分离，而 Tor 用于掩盖 IP 信息。

• Buterin 表示，Tor 的延迟仍然高出 10 到 100 倍，因此在目前的测试中，逐个请求解除链接的效率很低。

• Qwen3.8-Flash-Next 在本地运行速度约为 20-30 TPS，而 Buterin 为了获得流畅体验，希望速度能超过 100 TPS。

布特林在 10 月 4 日表示，这项自我实验利用了他本地的健康和旅行信息，而功能更强大的远程模型则处理需要更强推理能力或知识的特定问题。

该方案采用阿里巴巴的Qwen3.8-Flash-Next作为本地模型。Buterin表示，本地系统会判断远程模型需要哪些信息，并在发送请求前对其进行重写，从而降低个人信息或写作风格泄露其身份的风险。

维塔利克·布特林用三重身份区分自己

Buterin将该设计描述为一个三层隐私保护机制，分别涵盖请求内容、支付信息和网络流量。本地Qwen模型负责处理第一层，它会自行构建查询，而不是将原始措辞和完整的个人上下文发送给远程AI系统。

第二层使用 zkAPI 将支付与单个 AI 请求分离。以太坊基金会于 10 月 1 日推出了zkAPI，并将其描述为一个允许用户按量付费使用 API 而无需将单个请求与其身份关联起来的系统。该项目由开放匿名项目 (Open Anonymity Project) 与以太坊基金会合作开发，并在以太坊主网上运行。

在零知识 API (zkAPI) 中，用户向其私有账户充值，之后无需透露具体是哪个账户在支付特定请求，即可证明账户内有足够的资金。处理支付的服务无需用户的提示，而人工智能提供商在接收提示时也无需了解与该账户关联的账单身份。

Tor 通过隐藏用户的正常 IP 地址，为接收网络请求的服务提供第三层保护。Buterin 指出，这三层保护都必不可少，因为仅仅隐藏支付信息并不能阻止人工智能提供商通过提示内容或网络元数据获取详细信息。

“这三样都需要，”布特林说。

zkAPI 不会隐藏发送给 AI 模型的所有内容

隐私设置并不能阻止远程AI提供商读取提示信息中特意包含的信息。官方zkAPI文档指出，上游提供商仍然可以看到提示信息，而网络和时间信息在零知识证明系统之外仍然可观测。

以太坊基金会在推出 zkAPI 时也做了同样的区分。其 10 月 1 日的解释称，该支付系统隐藏了用户与请求之间的关联，但内容隐私和网络匿名性需要单独的保护措施。重复使用的个人信息、书写模式、对话记录或文档仍然可能导致会话关联。

Buterin 的本地模型旨在减少此类内容的暴露。一个技能文件指导该模型何时使用远程系统，以及如何构建包含更少识别信息的请求。他的个人健康和旅行记录仍然对本地系统可见，而远程模型仅接收为特定任务选择的部分信息。

布特林表示，该系统能够生成饮食和运动建议，而前沿模型返回的信息则改进了这些建议。但他并未公布相关的健康记录、详细的建议内容，也没有公布对其准确性的独立评估报告。

这项实验与他此前对隐私问题的关注相符，因为人工智能系统需要处理更多个人信息。正如crypto.news 此前报道 Buterin 对隐私问题的担忧时所指出的，他在 2025 年 4 月曾表示，人工智能能力的提升和集中式数据收集的增加，使得更强大的隐私保护工具变得尤为必要。

zkAPI 代码库已支持 Tor

Buterin 链接到以太坊 zkAPI 代码库中的一项新变更，该变更增加了对 Tor 路由客户端的支持。GitHub 显示，截至 10 月 4 日，第 16 号拉取请求仍处于开放状态，其中包含一个提交，对七个文件进行了更改。该请求尚未合并到项目的主分支。

该代码会在 zkAPI 守护进程启动时创建一个新的临时 Tor 客户端。脚本会使用一个新的数据目录和 Tor 连接，而另一个命令可以在新的请求或会话开始之前重启服务，从而创建一个新的网络身份。

该补丁修改了多个网络超时设置，因为通过 Tor 路由的请求可能需要更长时间。其中一个模型列表超时时间从 1 分钟增加到 3 分钟，而其他请求超时时间分别从 15 秒增加到 60 秒，以及从 5 秒增加到 30 秒。

提案中包含的一个单独的 Tor 客户端脚本指出，每次请求或新对话开始时都会创建一个新的服务器。同一对话中的后续消息会保持现有服务器运行，这意味着它们不会为每条消息自动获取新的 Tor 身份。

Tor延迟和本地AI速度仍然是问题

Buterin指出Tor是当前实验中最薄弱的环节之一。他表示，Tor并非为他所期望的那种逐个请求的解绑而设计的，在这种解绑中，各个独立的AI调用应该难以相互关联。

在他的测试中，Tor 的延迟比他认为理想的延迟高出大约 10 到 100 倍。GitHub 上增加多个超时限制的更改与 zkAPI 客户端通过 Tor 路由时预期会出现的网络请求速度变慢的预期相符。

本地模型带来了另一个性能瓶颈。Buterin 表示，在他的配置下，Qwen3.8-Flash-Next 的运行速度约为每秒 20 到 30 个令牌，但他认为只有当速度超过每秒 100 个令牌时，本地推理才会开始显得快速。

阿里巴巴的 Qwen 团队于 8 月 26 日发布了Qwen3.8-Flash-Next。官方仓库将其描述为一个开放权重基础模型，可以通过本地推理框架运行，包括使用 vLLM 和 SGLang 的部署。

在最近的隐私测试之前，Buterin 就已经开始尝试使用本地 Qwen 模型。他目前的方案更进一步，让本地模型充当私密文件和远程 AI 系统之间的中介，而不是将所有任务都完全保留在用户设备上。

隐私保护一直是他在以太坊项目工作中的重要一环。相关报道如下：crypto.news 在 8 月份报道了以太坊更新后的路线图，其中包括更强大的协议隐私性以及量子抗性和原生 Rollups 方面的工作。

布特林表示，他目前实验中的请求编写规则仍需改进，因为去除更多个人背景信息会降低远程模型的效用。他直截了当地描述了这种局限性：“你对远程发送的信息越谨慎，远程模型能提供的帮助就越少。”

以太坊基金会的 zkAPI 文档也做出了类似的区分。支付层可以断开已充值余额与个人 API 使用之间的关联，但无法移除用户或本地代理在提示信息中放置的识别信息。

本文仅供信息分享，非商业用途，版权归原作者所有。如有侵权请联系删除。内容不构成投资建议。