币圈界报道：

布特林构建多层防护体系以实现私密化AI健康咨询

以太坊联合创始人维塔利克·布特林近期启动一项实验，旨在通过分层隐私机制，在使用人工智能生成健康建议时避免暴露敏感个人信息。该方案整合其个人健康与出行数据，目标是在不泄露身份特征的前提下获得精准的饮食与运动指导。

三重隐私屏障协同保障请求匿名性

实验依托本地部署的人工智能模型 Qwen 3.8 Flash Next，该系统可根据需求动态调用远程高级模型进行推理。核心在于控制每次交互中传输的数据粒度，防止信息外泄。

第一道防线聚焦提示词处理：本地模型不仅负责问题构建与过滤，还主动移除可能暴露身份的语言风格或识别线索，有效降低被远程模型反向追踪的可能性。

在支付环节，布特林采用 zkAPI 技术，实现资金操作与用户身份的彻底解耦。根据以太坊基金会说明，这是一种基于零知识证明的私有信用协议，允许用户将资产存入专用保险库，并通过验证机制授权支出，而不直接关联具体请求或身份信息。

实际应用中，临时 API 密钥用于设定消费上限，而经签名的收据则记录费用明细。服务端可验证资金状态，却无法获知提交给远程模型的具体查询内容，从而确保交互内容保密。

第三层引入 Tor 网络路由。通过在去中心化网络上运行 zkAPI 客户端，布特林隐藏了源 IP 地址及网络行为特征，阻断基于流量分析的身份推断路径。

每层设计对应特定风险类型。即便提示中剔除姓名等显性标识，若支付记录或通信模式存在一致性，仍可能形成跨会话关联。这凸显出在人工智能交互中实现真正匿名所需的系统性防御策略。

基金会文档指出，重复输入个人细节、长期复用语境或保持固定写作风格，均可能使模型建立起用户画像，表明隐私保护在生成式 AI 中具有高度复杂性。

效率瓶颈与隐私优化的现实冲突

尽管借助远程模型提升了建议质量，布特林也揭示了当前方案在响应速度与资源消耗方面的显著短板。

由于依赖 Tor 网络进行数据传输，整体延迟较直连方式高出 10 至 100 倍。他评估认为，该网络隔离机制对请求匿名性的支撑力有限，难以满足高强度实时交互需求。

本地运行的 Qwen 模型仅能维持每秒 20 至 30 个令牌的处理速率，远低于其设定的每秒百级以上流畅体验标准。同时，提示词设计成为关键挑战——过简则信息不足，影响输出价值；过详则提升暴露风险，需在二者间精细平衡。

这种动态调整机制使得信息共享策略变得异常复杂：上下文保留过多会削弱建议实用性，而过度精简又可能触发隐私漏洞。这一矛盾凸显了在隐私优先型人工智能流程中持续迭代优化的必要性。

迈向密码学驱动的世界计算机愿景

此次实验植根于布特林近期提出的理念，即推动以太坊向“密码学世界计算机”演进。该构想强调增强隐私保护、形式化验证能力，以及由先进密码学支撑的分布式链下计算范式。

HeGotá 被视为引入抗量子加密与递归零知识证明前的最后一个常规分叉，标志着以太坊在安全性与可扩展性融合道路上迈出了关键一步。