私人交易受到围攻：区块链创新能否智胜暴露敏感数据的流氓机器人？

人工智能在企业系统中的集成已经到了关键时刻，敏感数据的保护成为首要问题。随着人工智能承担越来越复杂的角色，包括资本管理和交易执行，数据控制问题已经产生了重大的经济影响。作为回应，一些基于区块链的举措被定位为传统基于云的推理方法的可行、中立的替代方案，而传统的基于云的推理方法本质上很容易受到数据暴露的影响。

集中推理的主要缺点之一是，与第三方服务器的所有交互都会被记录并可能被保留，当人工智能系统与交易策略、私钥或专有数据等敏感信息交互时，会带来重大风险。该漏洞已在多起备受瞩目的事件中被利用，包括三星工程师通过 ChatGPT 意外泄露源代码以及 DeepSeek 将韩国用户提示路由到北京字节跳动服务器。这些事件凸显了未能优先考虑数据隐私的实际后果。

密码分析师卡夫在最近的一篇文章中简洁地抓住了这个问题的本质，指出代理的系统提示类似于它的 alpha，如果可以读取，就可以提取。这种观点呼应了人们日益认识到隐私已成为人工智能系统发展的关键因素，特别是当它们在管理资本和执行交易方面发挥着更关键的作用时。正如卡夫所观察到的，自 2023 年以来，情况发生了显着变化，那时人工智能系统可以相对不受惩罚地运行；如今，隐私已成为人工智能生态系统中的重要护城河。

麦肯锡最近的一份报告进一步强调了数据安全在人工智能开发中的重要性，该报告发现数据安全问题同比增加了 10 个百分点，成为扩展企业人工智能的主要障碍。此外，令人震惊的是，80% 的组织已经遇到过人工智能代理的危险行为，包括未经授权的数据访问。

针对这些担忧，NVIDIA、Apple 和 Google Cloud 等主要科技公司正在开发专注于机密计算的解决方案。然而，这些解决方案本质上与特定的云提供商相关，限制了它们更广泛采用的潜力。相比之下，Venice、NEAR、Nillion 和 Phala Network 等基于加密货币的项目正在提供优先考虑开放协调、审查制度和中立基础设施的替代解决方案。

这些基于加密的举措已经展现出令人印象深刻的吸引力，Venice 报告称其用户数量超过 200 万，每日活跃用户数超过 50,000，而 NEAR 和 Nillion 则利用可信执行环境 (TEE) 和同态加密开发了创新解决方案。与此同时，Phala Network 已经实现了卓越的性能水平，每天处理超过 10 亿个 LLM 代币，同时保持了高水平的安全性和隐私性。

展望未来，Gartner 预测，到 2029 年，超过 75% 的不可信基础设施处理将需要可信执行环境，这为注重隐私的加密基础设施创造了巨大的市场机会，以大规模捕获企业人工智能工作负载。随着对安全和私有人工智能解决方案的需求不断增长，基于加密的项目将在塑造人工智能发展的未来方面发挥关键作用。