蘇黎世聯邦理工學院和 Anthropic 的一項研究發現，LLM 可以以每人幾美元的價格揭露匿名賬戶。

蘇黎世聯邦理工學院、人工智能安全組織MATS和Anthropic的研究人員開發了一種自動化LLM流程，可以將匿名帖子與現實世界中的身份關聯起來dent該 流程能夠dent數百名Hacker News用戶，而每位用戶的成本低至1美元。

二月份那篇論文本週在 X 和 Reddit 上再次引起關注。.

論文“使用LLM進行大規模在線去匿名化”於2月18日首次發佈在arXiv上。後來，它出現在第35屆USENIX安全研討會的會議論文集中。.

作者包括 Simon Lermen、Daniel Paleka、Joshua Swanson、Michael Aerni、Nicholas Carlini 和 Florian Tramèr。Carlini 是 Claude 的創造者 Anthropic 公司的員工，其他作者則隸屬於蘇黎世聯邦理工學院 (ETH Zurich) 和 MATS。.

經過四輪篩選，從 89,000 名候選人中選出最終入圍名單。

沒有發現被盜數據或服務器被黑客攻擊的情況。該代理讀取的是任何人都能看到的信息，然後以更低的成本和更快的速度完成耐心調查員的工作。.

研究人員將攻擊過程分爲四個階段，分別稱爲trac、搜索、推理和校準。首先，語言模型會從原始帖子中dent身份線索，例如職業、地點或措辭方式等暗示。.

語義嵌入隨後將多達 89,000 個候選對象篩選到一個候選名單。推理模型對最佳匹配進行評分，並判斷兩個賬戶是否屬於同一人。.

校準步驟會在不確定時使流程暫停，從而減少誤報。.

該流程利用現成的工具、網絡搜索、嵌入和模型（例如 GPT-5.2）運行。此前的去匿名化攻擊，例如 2008 年對匿名化 Netflix 評分的重新dent，都依賴於結構化數據。.

該流程以 90% 的準確率dent出了 338 位 Hacker News 用戶中的 226 位。

爲了在不危及真實用戶的情況下評估該方法，研究團隊招募了 338 位 Hacker News 用戶，他們的個人簡介都指向 LinkedIn 頁面。每位用戶都有一個已知的真實dent。.

僅根據聯邦調查局的評論和提交信息，該代理人正確識別了226個賬戶，準確率約爲67%（準確率90%）。該代理人錯誤識別了25個賬戶，並放棄了86個賬戶。.

在論文中規模較大的匹配測試中，Classic非LLM基線模型結果接近於零。實驗總成本不到2000美元，即每個用戶畫像的成本爲1至4美元。.

另外兩組數據集分別匹配了兩個不同電影社區的Reddit用戶，並將單一的Reddit歷史記錄拆分爲兩個時間段，從而重建了該歷史記錄。在這兩組數據集上，LLM方法均大幅優於舊方法。.

作者指出，政府針對記者或活動人士，公司製作越來越精準的廣告宣傳資料，詐騙分子建立檔案以進行社會工程推銷。.

勒曼在2月24日的一篇博文中寫道：“這種組合往往具有獨一無二的特徵。”他還補充說，如果一支精明的調查團隊能夠dent通過帖子 特工 很可能也能做到，而且成本只會越來越低。

研究人員並未公佈代碼、提示信息或系統識別出的任何真實dent信息。該研究在發佈前已由蘇黎世聯邦理工學院倫理委員會審查。.

該論文的結論是，“保護網絡匿名用戶的實際隱蔽性已不再成立”。

該報的再次出現，正值美國證券交易委員會委員海絲特·皮爾斯(Hester Peirce)警告不要大規模收集KYC數據之後一天。皮爾斯表示，這種做法無異於“構建越來越龐大的數據乾草堆”。

Revolut 和與硬件錢包製造商 Trezor 相關的供應商最近發生的安全漏洞事件加劇了人們對“扳手攻擊”的擔憂，在這種攻擊中，有人會得知誰持有加密貨幣，然後親自上門。.

如果你正在閱讀這篇文章，你已經領先一步了。 訂閱我們的新聞簡報，繼續保持領先優勢。