苏黎世联邦理工学院和 Anthropic 的一项研究发现，LLM 可以以每人几美元的价格揭露匿名账户。

苏黎世联邦理工学院、人工智能安全组织MATS和Anthropic的研究人员开发了一种自动化LLM流程，可以将匿名帖子与现实世界中的身份关联起来dent该 流程能够dent数百名Hacker News用户，而每位用户的成本低至1美元。

二月份那篇论文本周在 X 和 Reddit 上再次引起关注。.

论文“使用LLM进行大规模在线去匿名化”于2月18日首次发布在arXiv上。后来，它出现在第35届USENIX安全研讨会的会议论文集中。.

作者包括 Simon Lermen、Daniel Paleka、Joshua Swanson、Michael Aerni、Nicholas Carlini 和 Florian Tramèr。Carlini 是 Claude 的创造者 Anthropic 公司的员工，其他作者则隶属于苏黎世联邦理工学院 (ETH Zurich) 和 MATS。.

经过四轮筛选，从 89,000 名候选人中选出最终入围名单。

没有发现被盗数据或服务器被黑客攻击的情况。该代理读取的是任何人都能看到的信息，然后以更低的成本和更快的速度完成耐心调查员的工作。.

研究人员将攻击过程分为四个阶段，分别称为trac、搜索、推理和校准。首先，语言模型会从原始帖子中dent身份线索，例如职业、地点或措辞方式等暗示。.

语义嵌入随后将多达 89,000 个候选对象筛选到一个候选名单。推理模型对最佳匹配进行评分，并判断两个账户是否属于同一人。.

校准步骤会在不确定时使流程暂停，从而减少误报。.

该流程利用现成的工具、网络搜索、嵌入和模型（例如 GPT-5.2）运行。此前的去匿名化攻击，例如 2008 年对匿名化 Netflix 评分的重新dent，都依赖于结构化数据。.

该流程以 90% 的准确率dent出了 338 位 Hacker News 用户中的 226 位。

为了在不危及真实用户的情况下评估该方法，研究团队招募了 338 位 Hacker News 用户，他们的个人简介都指向 LinkedIn 页面。每位用户都有一个已知的真实dent。.

仅根据联邦调查局的评论和提交信息，该代理人正确识别了226个账户，准确率约为67%（准确率90%）。该代理人错误识别了25个账户，并放弃了86个账户。.

在论文中规模较大的匹配测试中，Classic非LLM基线模型结果接近于零。实验总成本不到2000美元，即每个用户画像的成本为1至4美元。.

另外两组数据集分别匹配了两个不同电影社区的Reddit用户，并将单一的Reddit历史记录拆分为两个时间段，从而重建了该历史记录。在这两组数据集上，LLM方法均大幅优于旧方法。.

作者指出，政府针对记者或活动人士，公司制作越来越精准的广告宣传资料，诈骗分子建立档案以进行社会工程推销。.

勒曼在2月24日的一篇博文中写道：“这种组合往往具有独一无二的特征。”他还补充说，如果一支精明的调查团队能够dent通过帖子 特工 很可能也能做到，而且成本只会越来越低。

研究人员并未公布代码、提示信息或系统识别出的任何真实dent信息。该研究在发布前已由苏黎世联邦理工学院伦理委员会审查。.

该论文的结论是，“保护网络匿名用户的实际隐蔽性已不再成立”。

该报的再次出现，正值美国证券交易委员会委员海丝特·皮尔斯(Hester Peirce)警告不要大规模收集KYC数据之后一天。皮尔斯表示，这种做法无异于“构建越来越庞大的数据干草堆”。

Revolut 和与硬件钱包制造商 Trezor 相关的供应商最近发生的安全漏洞事件加剧了人们对“扳手攻击”的担忧，在这种攻击中，有人会得知谁持有加密货币，然后亲自上门。.

如果你正在阅读这篇文章，你已经领先一步了。 订阅我们的新闻简报，继续保持领先优势。