币圈界报道：

Buterin 探索隐私优先型AI应用：三重屏障保障个人数据不外泄

以太坊联合创始人 Vitalik Buterin（@VitalikButerin）披露一项私密性驱动的AI实验，聚焦于如何在获取智能生活建议的同时，最大限度规避敏感信息泄露风险。

构建多层隐私防御体系，实现端到端数据隔离

实验中，Buterin 利用自身健康与出行记录生成个性化饮食与运动方案，核心目标是在接入高性能远程大模型的前提下，避免身份特征或行为模式被识别。

系统采用本地部署的 Qwen 3.8 Flash Next 模型作为协调中枢，并通过工具调用机制连接更强大的外部前沿模型，以弥补本地推理能力的不足。

整个架构实施了三道独立隐私防线：第一层由本地模型负责撰写查询请求，防止因语言风格暴露用户身份；第二层借助 Ethereum zkAPI 技术，确保支付路径不可追踪；第三层则启用 Tor 网络，实现传输层面的IP级匿名。

“三者缺一不可，” Buterin 强调。

系统内置策略文件指导本地模型判断何时需要外部协助，并自动构造仅含必要信息的请求，有效缓解了写作习惯可能带来的身份泄露隐患。

成效可验证，但性能代价不容忽视

尽管实验成功提升了建议质量，但 Buterin 指出，过度强调隐私会削弱远程模型的响应能力，形成可用性与保密性的拉锯。

他坦言，当前方案在增强数据保护的同时，也导致部分高级功能受限，反映出隐私强化与模型效能之间的根本矛盾。

此外，他对 Tor 的实际表现提出质疑，认为其在逐请求去关联方面仍有缺陷，且引入的延迟高达预期值的10至100倍。

相关代码更新已提交至 Ethereum zkAPI 项目仓库，新增对 Tor 路由的客户端支持，该拉取请求于10月4日开放。

这一实践延续了 Buterin 长期关注的隐私议题——随着人工智能日益深入个人生活，必须构建更强有力的数据保护机制。他在2025年4月曾明确指出，伴随模型能力跃升与集中化数据收集趋势，对隐私基础设施的需求正加速上升。