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**模型，同时**限度减少每次交互中传递的个人信息量。

**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**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**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**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**一个常规分叉版本，标志着以太坊在去**化与安全性深化道路上的重要节点。