LLM恐破坏网络匿名与隐私：AI能找出中本聪是谁吗？

一份最新学术研究指出，大型语言模型(LLM) 已具备在大规模情境下「去匿名化」网络使用者的能力。只凭公开发文内容，模型便可能推测出匿名帐号背后的真实身份。这项发现不仅引发外界担忧，也在加密社群掀起关于「是否能揭开中本聪真实身份」的讨论。

研究揭示：LLM 让个资去匿名化变得更简单

这篇题为《使用LLMs 进行大规模线上去匿名化》的研究指出，LLM 已能从非结构化文字中抽取身份线索，并在庞大资料库中进行语意搜寻与比对，实现高度自动化的去匿名攻击。

研究团队设计一套四阶段流程：抽取(Extract)、搜寻(Search)、推理(Reason) 与校准(Calibrate)，模拟攻击者如何从公开发文中重建个人特征，进而比对真实身份。

在实验中，研究人员将Hacker News 帐号与LinkedIn 档案进行交叉配对，在99% 精准度(precision) 下仍可找回约45% 真实身份；在Reddit 帐号的实验中，即使经过时间区隔与内容过滤，模型仍在高精准条件下识别出一定比例的用户。

论文作者Simon Lermen 认为，LLM 并非创造新的识别能力，而是大幅降低原本需要人工追踪的成本，或将实现去匿名化攻击的规模化。

过去，网络假名(pseudonymity) 之所以被用作保护措施，并非因为无法识别，而是因为识别成本过高。 Lermen 指出，LLM 改变的正是这一点：「模型能在短时间内处理数万笔资料，将人类调查流程自动化。」

他强调，这并不代表所有匿名帐号都会立刻被曝光，而是代表「只要留下够多文本线索」，模型就有机会重建身份轮廓。换句话说，文字可能在未来成为被挖掘的微型数据(micro-data) 目标，即使没有姓名或帐号连结，兴趣、背景或用语习惯等讯号，也可能成为识别依据。

这项研究迅速在加密社群引发讨论。 Helius Labs 共同创办人Mert Mumtaz认为，区块链本质依赖假名身份，而所有交易纪录永久公开，一旦AI 能将链上地址与现实身份连结，就能够建立长期的金融活动档案。

他担忧，区块链原本被视为去中心化金融基础设施，却可能在这种情境下成为高透明度的监控工具。

同时，Castle Island Ventures 合伙人Nic Carter 也提出另一个问题：若LLM 可进行高阶文体分析(stylometry)，是否可能比对中本聪过去的电子邮件、论坛贴文与白皮书文本，推测其真实身份？

他认为，理论上若存在可对应的公开著作样本，模型或可进行机率匹配；然而这仍属于统计推论，而非确证工具。一旦创作者改变文笔风格或未曾以真名公开写作，基本上难以识别。

Lermen 在结论中强调并非要引发恐慌，而是指出传统加密与匿名机制需要更新。过去仅对结构化资料感到忧虑，如今连非结构化文字也可能被识别。隐私不再只是技术问题，也涉及平台政策、资料揭露习惯与社会规范。

在AI 能力快速进展的背景下，用户隐私如何被重新设计与保护，也成了各家企业的重要课题。

本文链接地址：https://www.wwsww.cn/rgzn/37282.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。