币圈界报道：

布特林构建多层隐私框架以实现安全AI健康咨询

以太坊联合创始人维塔利克·布特林近期开展一项前沿实验，探索在不泄露敏感信息的前提下，通过人工智能获取定制化饮食与运动建议的可行性。他结合自身健康与出行数据，设计了一套融合本地处理、加密支付与网络匿名的综合防护体系。

分层防御机制保障提示词与交互匿名性

实验核心依托本地运行的Qwen 3.8 Flash Next模型，该系统根据任务需求动态调用远程高阶模型，同时严格控制每次请求中暴露的数据量。整个架构由三重隐私屏障构成。

首层聚焦于提示词层面的安全处理：本地模型不仅生成并过滤输入内容，还主动移除可能暴露身份的语言特征或表达习惯，防止外部模型通过风格溯源识别用户。

第二层引入zkAPI协议，实现支付与身份的彻底解耦。该系统允许用户将资金存入加密保险库，并通过零知识证明授权支出行为，而非直接绑定账户或请求来源。临时密钥用于设定使用上限，而经签名的收据则确保费用可验证但不可追踪。

第三层采用Tor网络进行通信路由。通过在Tor环境下运行zkAPI客户端，布特林有效隐藏了其公网IP地址及其他网络元数据，阻断基于流量分析的身份关联风险。

研究指出，即便删除姓名等显性标识，重复使用相似内容或保持一致写作风格仍可能被模型关联至同一用户，凸显了人工智能交互中隐私保护的深层复杂性。

效率瓶颈与用户体验的现实挑战

尽管远程模型提升了建议质量，布特林也揭示了该方案在实际应用中的显著局限。响应延迟成为主要障碍——由于依赖Tor网络传输，平均耗时较直连方式增加10至100倍。

此外，本地模型运算能力有限，仅能维持每秒20至30个令牌的处理速度，远低于其期望的百级吞吐目标。这导致交互过程出现明显卡顿。

提示词的设计亦面临权衡：上下文过简会削弱建议相关性，而信息冗余则提高暴露风险。如何在数据最小化与输出有效性之间取得平衡，成为优化此类系统的关键难题。

迈向密码学驱动的去中心化智能生态

该实验植根于布特林近期提出的“密码学世界计算机”构想。这一愿景强调通过形式化验证、抗量子加密及递归零知识证明等技术，实现链下计算的可验证性与隐私性。

HeGotá被视为以太坊向此方向演进的重要节点，是引入先进密码学原语前的最后一次常规分叉，标志着平台向更安全、更私密的下一代基础设施迈进的关键一步。