Chainfeeds 導讀：
用戶應當始終被賦權，並儘可能保持對系統的真實控制權。
文章來源：
https://vitalik.eth.limo/general/2026/04/02/secure_llms.html
文章作者：
Vitalik Buterin
觀點：
Vitalik Buterin：最終來看，本地 AI 的能力仍然遠遠不足，無法完成我關心的許多重要任務。確實存在一類有邊界的任務，例如轉錄、總結、翻譯、拼寫與語法檢查，這些任務即使在性能遠低於我測試設備的筆記本甚至手機上，本地 AI 也已經能夠很好完成。但還有另一類任務，會持續從「更強的智能」中顯著受益，而這些任務目前本地 AI 還遠遠無法勝任。對我來說，寫代碼是一個典型例子，複雜的智力工作也是如此。你的設備越弱，本地大模型能勝任的事情就越少。理想情況下，我希望看到一種多層防禦的遠程大模型使用方式，儘可能減少你暴露的個人信息。這既包括隱藏請求的來源，也包括隱藏請求的內容：1）隱私保護的 ZK API 調用：讓你可以在服務器不知道你是誰、甚至無法判斷兩次請求是否來自同一用戶的情況下調用 API。如今去匿名化已經非常容易，因此必須讓每次查詢彼此不可關聯。這可以通過零知識密碼學實現；例如我與 Davide 提出的 ZK-API 方案，以及正在構建類似系統的 OpenAnonymity 項目。2）混合網絡（mixnets）：通過打亂網絡路徑，使服務器無法通過 IP 地址將某個請求與其前後請求關聯起來。3）在 TEE 中進行推理：可信執行環境（TEE）是一類硬件，可以確保除了程序輸出之外沒有任何信息洩露，並且可以對外提供加密證明，說明當前運行的程序是什麼。因此，你可以驗證硬件證明，確認它只是在執行「解密數據→運行大模型推理→加密輸出」的流程，而不會在中間進行日誌記錄。當然，TEE 也經常被攻破，因此不能視為絕對安全；但只要你在本地驗證其證明簽名，它依然可以顯著降低數據洩露風險。ZK-API 與混合網絡的組合最初是為隱私保護的大模型推理設計的，但它實際上適用於幾乎所有對外部世界的交互。搜索引擎查詢會洩露大量個人信息，你也可能需要調用各種 API。如今很多 API 是免費的，但隨著 AI 使用量增長帶來的壓力，它們可能逐漸轉為付費。在這種背景下，推動所有付費 API 採用 ZK-API，或者至少提供一個易用的 ZK-API 代理，是合理的方向。如果 API 提供方擔心濫用，ZK-API 方案中也包含懲罰機制（slashing），可以對濫用請求進行處罰；如果需要，這些規則甚至可以由事先約定的大模型來裁定，並通過鏈上智能合約執行。同時，讓混合網絡成為默認的互聯網通信方式，也同樣重要。
內容來源
