为什么人工智能需要更好的隐私保护
人工智能发展迅速。但许多人和组织仍无法将他们最宝贵的数据与人工智能一起使用。要使用大多数今天的人工智能工具，您必须将您的文本、文档或记录发送到您无法检查的计算机上。您必须信任公司政策、法律合同和营销承诺。这些形式的信任仍可能失败。
因此，一个重要问题是：我们如何在不放弃隐私和对数据的控制的情况下释放人工智能的全部潜力？
NEAR人工智能方法：可验证的隐私
NEAR人工智能旨在弥合这种“人工智能隐私差距”。其产品建立在两个主要理念上：可验证的隐私和用户拥有的人工智能。
可验证的隐私意味着您不仅仅信任公司所说的话。相反，您可以检查密码学证明，证明您的数据在整个人工智能过程中保持私密和安全。用户拥有的人工智能意味着您可以控制数据和人工智能模型的使用方式。
这种设计遵循NEAR Protocol的愿景，即人们应真正拥有他们的人工智能，并安全地将重要数据引入人工智能系统。
受信任的执行环境：您数据的“保险库”
NEAR人工智能背后的核心技术是一种特殊类型的硬件区域，称为受信任的执行环境（TEE）。NEAR人工智能使用来自英特尔和英伟达等公司的TEE作为其保密计算工具的一部分。
您可以将TEE想象成计算机处理器内部的一个锁定的密封库。数据进入这个库，被人工智能模型使用，然后再次离开，但库外的任何人都无法看到内部发生的事情。云提供商、服务器运营商甚至NEAR人工智能都无法看到。
以下是NEAR人工智能的私密人工智能交互工作方式：
-
加密：您的提示或数据在发送到TEE内部的安全虚拟机之前在您的设备上进行加密。
-
隔离：在这个受保护的“飞地”内，AI模型解密您的数据，运行推理（生成答案的过程），然后重新加密结果。
-
验证：您在本地解密响应。您还会获得一个密码证明，显示计算是在真实的、未经修改的硬件上使用预期代码完成的。
这提供了您可以独立验证的端到端隐私，而不仅仅是相信一个承诺。
两个产品：NEAR AI云和NEAR私密聊天
NEAR AI在两种不同的产品中使用这项技术，每种产品针对不同的受众和用例：
-
NEAR AI云专为开发人员、企业和政府设计。
-
NEAR私密聊天专为普通用户设计。
|
功能
|
NEAR AI 云
|
NEAR 私人聊天
|
|
主要受众
|
开发者、企业和政府
|
普通用户
|
|
核心目的
|
部署私人 AI 推理以处理敏感工作负载和专有数据
|
放心地进行私人的日常 AI 对话
|
|
如何使用
|
通过与应用程序和服务直接集成的 OpenAI 兼容 API
|
通过熟悉且易于使用的聊天界面
|
这两个产品都建立在相同的隐私优先基础上，但它们提供了与 AI 互动的不同方式。
NEAR AI 云：敏感工作负载的私人 AI
NEAR AI 云是一个用于运行处理敏感或受监管数据的 AI 平台，例如客户信息或专有业务逻辑。
其主要优点是：
-
快速私有部署：开发人员可以在几分钟内将私有AI添加到其应用程序中，使用与现有OpenAI风格工具兼容的单个API。
-
内置数据和知识产权保护：每个请求都在TEE内运行。这通过设计保护个人数据和知识产权，并减少了管理许多单独安全工具的需求。
-
灵活性无锁定：团队可以在不更改其代码的情况下在不同的AI模型之间切换或扩展其使用量。
NEAR AI Cloud已经被像Brave Nightly、OpenMind、Phala和Learn NEAR Club这样的合作伙伴用于隐私关键应用的生产中。
NEAR Private Chat：日常对话，保持私密
NEAR Private Chat为正常的日常AI聊天提供了同样强大的隐私保证。您可以询问关于金钱、健康、工作或关系的问题，同时知道您的数据不会用于训练模型，不会被用于广告挖掘，也不会对提供者可见。
其隐私模型基于四个简单原则：
-
私有：AI模型在TEE内运行。
-
安全：TEE内的数据无法被主机系统或其他应用程序读取。
-
可验证：用户可以检查加密证明，证明硬件和代码是真实且未被篡改的。
-
您的：您的数据始终属于您。它不会对模型提供者、云提供者或NEAR可见。
开始使用NEAR AI
如果您是开发人员：
-
在docs.near.ai上查看完整文档。
-
在GitHub上查看代码和示例，网址为github.com/nearai。
如果您是日常用户：
-
尝试NEAR Private Chat，网址为private.near.ai/welcome ，体验实践中的可验证隐私。
要点
NEAR AI表明我们不必在强大的人工智能和强大的隐私之间做出选择。通过结合密码学、安全硬件和清晰设计，它使得在保持用户和组织控制的同时使用敏感数据进行人工智能成为可能。可验证隐私将“相信我们”变为“自己检查”，打开了在各个领域更安全、更自信地使用人工智能的大门。
反思问题
-
当您今天使用人工智能工具时，您目前避免分享哪些类型的数据，以及原因是什么？
-
可验证隐私如何改变您的学校、工作场所或企业使用人工智能的方式？
-
用您自己的话向朋友解释什么是可信执行环境？
Updated: 3 12 月, 2025
