Tangled信任网络:根治LLM垃圾邮件泛滥的激进方案

Hacker News May 2026
来源:Hacker News归档:May 2026
当CAPTCHA和速率限制等传统防线在LLM生成的垃圾信息洪流中节节败退时,一个名为Tangled的新协议提出了激进替代方案:构建去中心化信任网络,让用户相互担保,将声誉转化为可携带、可验证的加密资产。AINews深度解析其技术、经济模型,以及它对AI驱动滥用的致命威胁。

互联网正被大语言模型生成的内容淹没。机器人以近乎零边际成本生产垃圾邮件、虚假评论、宣传内容和钓鱼诱饵。CAPTCHA、IP速率限制、内容过滤器等传统反制措施日益失效,因为LLM能破解CAPTCHA、轮换IP地址,并生成足以以假乱真的文本。Tangled提出范式转变:不再依赖中心化平台验证身份,而是构建一个去中心化信任网络,让用户相互证明彼此的真实性。其核心创新在于利用零知识证明(ZKP)创建“可验证隐私”层:服务方可以确认某用户已获得一定数量可信同伴的担保,却无需知道这些同伴是谁。这从根本上将攻击者的成本从计算资源转向社交工程,而后者无法规模化。

技术深度解析

Tangled的架构是图论、密码学和博弈论的巧妙融合。其核心是一个有向信任图。每个节点代表一个加密身份(公钥)。从Alice指向Bob的边表示信任背书:Alice担保Bob是真实人类而非机器人。该图存储在分布式账本(可能是区块链或基于DAG的结构)上,以确保不可篡改和抗审查。

神奇之处在于查询机制。当服务方(例如论坛、评论网站、社交网络)想要验证用户时,它不会要求查看用户的完整信任图。相反,用户生成一个零知识证明,证明:“我至少拥有N条来自不同节点的信任边,而这些节点本身属于高信任子图(例如,具有最低信誉分数的节点)。”验证者检查证明,却无法得知背书者的身份。这就是“可验证隐私”功能。

该协议为每个节点定义了一个递归计算的信誉分数。节点的分数取决于其背书者的分数以及背书数量。这类似于PageRank,但应用于信任。具体公式是一个设计参数,但必须具有抗女巫攻击能力。常见方法是使用EigenTrust算法的变体,该算法会惩罚那些为低信任节点背书的节点。

关键密码学组件:
- 零知识简洁非交互式知识论证(zk-SNARKs): 用于证明关于信任图的陈述,而不泄露图本身。Tangled可能使用针对图查询优化的自定义电路。
- BLS签名: 用于将多个信任背书聚合成单个短签名,减少链上存储。
- 可验证随机函数(VRFs): 用于在验证过程中随机选择一小部分背书者进行挑战,防止针对性攻击。

与现有方法的比较:
| 方法 | 机制 | 可验证性 | 隐私性 | 抗女巫攻击 | 攻击者成本 |
|---|---|---|---|---|---|
| CAPTCHA | 图灵测试 | 低 | 低 | 低 | 低(LLM可破解) |
| 速率限制 | IP/账户节流 | 低 | 低 | 中等 | 中等(IP轮换) |
| 人格证明(如Worldcoin) | 生物特征扫描 | 高 | 低 | 高 | 高(硬件) |
| Tangled | 信任网络 + ZKP | 高 | 高 | 高 | 非常高(社交资本) |

数据要点: Tangled独特地结合了高可验证性、高隐私性和高抗女巫攻击能力。虽然Worldcoin等人格证明系统需要昂贵的硬件(虹膜扫描仪)并引发隐私担忧,但Tangled仅通过软件和现有社交关系就实现了类似的安全性。攻击者的成本从计算转向社交工程,而后者无法规模化。

一个相关的开源项目是GitHub上的InterRep(Interreputation)仓库(目前约1200星)。InterRep是一个前身概念,使用类似的信任图方法,但没有ZKP,因此隐私性较差。Tangled使用ZKP是一项关键进步。

关键参与者与案例研究

Tangled协议由一个化名的密码学家和分布式系统工程师团队开发。虽然核心团队保持匿名(早期加密项目的常见做法),但他们已发布详细白皮书和Rust参考实现。该项目已引起去中心化身份领域多个关键参与者的关注。

值得注意的采用者和集成:
- Lens Protocol: Polygon上的去中心化社交图谱。Lens正在评估Tangled作为其信息流的垃圾过滤器。目前,Lens使用简单的代币门控机制(持有Lens NFT才能发帖),这很容易被购买廉价NFT的机器人绕过。Tangled将增加一个社交层。
- Farcaster: 另一个去中心化社交网络。Farcaster使用“参与证明”模型,用户必须拥有一定数量的关注者才能发帖。Tangled可以提供更精细、更具抗女巫攻击能力的替代方案。
- Gitcoin Passport: 用于二次方融资的抗女巫攻击工具。Gitcoin Passport目前结合使用信任网络和OAuth印章。Tangled可以用完全去中心化的替代方案取代OAuth印章,减少对中心化身份提供商的依赖。

竞争解决方案比较:
| 解决方案 | 方法 | 隐私性 | 去中心化程度 | 采用阶段 |
|---|---|---|---|---|
| Worldcoin | 生物特征球体 | 低(虹膜扫描) | 中等(中心化验证) | 已上线(200万+用户) |
| BrightID | 社交图谱 + 验证聚会 | 中等 | 高 | 已上线(10万+用户) |
| Gitcoin Passport | 多印章(OAuth、信任网络) | 中等 | 中等 | 已上线(100万+用户) |
| Tangled | 基于ZKP的信任网络 | 高 | 高 | 测试网(2025年第二季度) |

数据要点: Tangled是唯一同时提供高隐私性(ZKP)和高去中心化程度(无中央权威)的解决方案。Worldcoin拥有最大的用户基础,但以隐私为代价。Tangled的测试网计划于2025年第二季度启动,如果成功,可能重塑去中心化身份领域的格局。

更多来自 Hacker News

Skill1:纯强化学习如何解锁自我进化的AI智能体多年来,构建强大的AI智能体就像拼一幅缺了拼图的拼图。开发者们将规划、记忆和工具调用等模块拼接在一起,希望整体能大于部分之和。结果往往是系统脆弱、成本高昂,且无法适应陌生场景。Skill1,这个诞生于强化学习与智能体系统交叉领域的新框架,提Grok的陨落:马斯克的AI野心为何败给执行困境埃隆·马斯克推出的Grok,曾以X平台无过滤、实时AI的承诺惊艳业界,如今却已光环尽失。AINews分析发现,该模型的停滞并非单一失败,而是一系列结构性问题的连锁反应。当OpenAI、Google和Anthropic等竞争对手纷纷进军多模态无标题Local LLM Proxy is not merely a clever utility; it is a radical rethinking of how AI inference is funded and delivered. 查看来源专题页Hacker News 已收录 3267 篇文章

时间归档

May 20261260 篇已发布文章

延伸阅读

AI Agent护照:让自主AI代理变得可信的数字身份标准AINews发现一项名为“AI Agent护照”的全新开放标准,旨在为自主AI代理提供可验证的数字身份。该标准有望解决代理生态系统的核心信任缺失问题,实现跨平台代理之间的可审计交互、交易与协作。十人委员会悄然制定AI身份规则,所有自主智能体都将受其约束一个仅有十人的技术委员会,正在悄然定义AI智能体如何证明自身身份的核心标准。从交易机器人到客服系统,他们的工作将决定整个行业的信任基础,但决策权力的高度集中也引发了严峻的治理担忧。Grievous-MCP:将大模型幻觉武器化的开源工具一款名为 grievous-mcp 的开源工具,系统性地将大语言模型的“幻觉”缺陷转化为可控的、类型化的数据生成器。这一创新挑战了业界对事实准确性的执念,为创意应用与虚假信息传播同时打开了潘多拉魔盒。Skill1:纯强化学习如何解锁自我进化的AI智能体一个名为Skill1的新框架正在重新定义AI智能体的学习方式,它利用纯强化学习让智能体在运行中自主发现并优化技能。这或许正是连接狭窄任务机器人与真正通用型数字工作者之间缺失的那一环。

常见问题

这篇关于“Tangled's Trust Network: A Radical Cure for the LLM Spam Epidemic”的文章讲了什么?

The internet is drowning in content generated by large language models. Bots now produce spam, fake reviews, propaganda, and phishing lures at near-zero marginal cost. Traditional…

从“How does Tangled use zero-knowledge proofs for privacy?”看,这件事为什么值得关注?

Tangled's architecture is a sophisticated blend of graph theory, cryptography, and game theory. At its core is a directed trust graph. Each node is a cryptographic identity (a public key). An edge from Alice to Bob repre…

如果想继续追踪“Can Tangled prevent LLM-generated fake reviews on Amazon?”,应该重点看什么?

可以继续查看本文整理的原文链接、相关文章和 AI 分析部分,快速了解事件背景、影响与后续进展。