Exchange Ranking
Top Exchanges
24h Volume Ranking
Popularity Ranking
Exchange BTC Balance
Proof of Reserves
Decentralized Exchanges
Funding Rate
Funding Heatmap
Liquidation Data
Max Pain
Long/Short Ratio
Whale L/S Ratio
Binance/Okex/Huobi L/S
Bitfinex Margin L/S
ETF Tracker
Solana ETF
XRP ETF
Hong Kong ETF
Bitcoin Treasuries
Crypto Reversal
Ethereum Reserves
HyperLiquid Wallet Analysis
Hyperliquid Whale Watch
Large Transactions
On-chain Movement
Bitcoin ROI
Stablecoin Market Cap
Options Analysis
News
Articles
Economic Calendar
Features
Wallet
Contract Calculator
Security
Collections
Watchlist
Following
BTC 互联网匿名时代的终结？AI揭秘你的真实身份
随着大量社交媒体用户今天发现了一项与人工智能相关的研究，我们熟知的互联网匿名时代似乎正在走向尽头。这篇在X（原推特）和Reddit上再次广泛传播的研究论文出自今年2月的一项研究，其核心发现令全球匿名用户感到不寒而栗：人工智能可以通过分析匿名账号，推断出你的真实身份。
研究背景与方法
该论文题为《基于大语言模型的大规模在线去匿名化》（Large-scale online deanonymization with LLMs），由苏黎世联邦理工学院（ETH Zurich）、AI安全组织MATS以及Anthropic（Claude背后的公司）的研究人员Nicholas Carlini共同完成。
研究人员声称，支撑Claude、ChatGPT和Gemini等大语言模型的AI系统，能够阅读用户的匿名帖子，并识别出其现实生活中的真实身份。这并非通过黑客攻击实现，而是仅仅依靠阅读、搜索和推理——这些正是聊天机器人每天处理成千上万枯燥任务时所具备的能力。
论文指出：“我们的结果表明，保护在线伪名用户‘实践性隐匿’的屏障已不再稳固，在线隐私的威胁模型需要重新评估。”
研究人员将这一攻击过程分解为四个步骤，分别称为提取（Extract）、搜索（Search）、推理（Reason）和校准（Calibrate）：
- Extraction: Enter someone's post into AI and let the AI generate portraits of the person, including details such as place of residence, occupation, hobbies, and even details like British spelling habits or casual pet names.
- Search: Convert the portrait into an embedding vector, a string of computer-processed numbers, used to instantly find similar profiles among thousands of candidates.
- Reasoning: More powerful models think deeply about the results with the highest matching levels, cross-checking details like human investigators, but much faster.
- Calibration: The AI scores its own confidence and makes guesses only when it is reasonably confident, otherwise it remains silent.
Experimental results and costs
In one test, the team collected 338 users who mainly used pseudonyms on the Hacker News message board, who linked to LinkedIn profiles. After removing all identifying information, the researchers asked AI agents to identify them only through web searches. The results showed that AI correctly identified 226 people with an accuracy rate of 67%, and about one-tenth of the guesses it made were wrong.
In another independent test of transcripts of Anthropic interviews with its 125 scientists, AI successfully identified at least nine people based solely on their descriptions of work.
本研究另一个令人关注的发现是执行此类操作的成本极低。据论文所述，运行一次此类搜索仅需支付1至4美元的人工智能订阅费用。
此外，这种方法不需要数据泄露、黑客入侵或内部权限。它利用的是普通聊天机器人内置的网络搜索和摘要能力。研究人员认为，这正是难以阻止该技术的原因：不存在一个单一的“去匿名化某人”开关可以禁用，取而代之的是一系列 individually 看似无害的任务链条。
历史对比与现实局限
这并不是第一次仅有少量细节就能揭露某人身份的案例。早在2008年，研究人员通过将Netflix所谓的匿名电影评分数据集与公共IMDb评论相匹配，破解了该数据集。如今的不同之处在于，AI是在杂乱无章的非结构化文本、笑话、评论和随意提及的内容中进行匹配，而不是整齐的电子表格，并且它是自主完成的。
然而，论文中最令人恐惧的数据背后有一个值得深思的限制。为了衡量成功率，研究人员需要已知 subjects 真实身份的对象，因此他们选择了已经链接到LinkedIn的账户，或者将一个人的帖子历史记录分为两半并隐藏了这种联系。这是一种受控的最佳情况设置，并不能证明任何随机的伪名账户今天都能被破解。
规模效应也削弱了研究中一些最可怕的数据。可能的候选者池越大，找到目标就越困难。在面对包含89,000名候选者的池子时，最强的AI方法在90%的精确度下，仍只能捕获约一半的正确匹配。这里的精确度指猜测正确的频率，召回率指实际捕获的真实匹配数量。
研究人员并未公开他们的工具、提示词或任何发现的真实姓名，且该研究在发布前经过了伦理审查委员会的审核。他们并没有提供一套完整的“人肉搜索套件”，而是在记录一种作者声称在当前AI模型中已经存在的能力，无论是否发表论文，这种能力都客观存在。
为何即使你从未在Reddit发帖也需关注此事
加密货币用户对此类恐惧早已感同身受。2025年Coinbase数据泄露事件后发生的一波人肉搜索和绑架企图，以及其他许多案例表明，泄露的身份信息转化为现实生活中的住址是多么迅速。
AI驱动的在线去匿名化是一种没有数据泄露环节的同类威胁：它利用你已在公开场合发布的信息，无需任何泄漏即可生效。
此外，几个月前Anthropic披露国家支持的黑客利用Claude在其自身平台上运行大部分网络间谍活动，这也提醒我们，AI滥用研究的进展速度往往超过了旨在遏制它的监管护栏。
对于任何人来说，如果你出于 activism（社会活动）、遭受虐待、性取向、移民身份或工作原因而使用伪名发布内容，那么分散在多年旧评论中的家乡、雇主甚至宠物的名字，都会汇聚成独特的指纹。这种情况一直可能存在，只是AI使其变得更快速、更廉价。
但如果担心此类人肉搜索，解决之道并非恐慌，而是改变习惯：减少任何单一伪名下关联的具体、标识性细节；对于真正敏感的内容，应使用那些根本不保留用户数据的工具。
