苏黎世联邦理工学院（ETH Zurich）、AI 安全研究组织 MATS 与 Anthropic 的研究人员构建了一套自动化 LLM 流水线，能够将网络匿名发帖与真实世界身份关联起来。在测试中，该系统以 90% 的准确率识别出数百名 Hacker News 用户，每个用户的成本最低仅 1 美元。

这项名为《Large-scale online deanonymization with LLMs》的研究于 2 月 18 日首次发布在 arXiv 上，随后发表于第 35 届 USENIX 安全研讨会（安全研究领域的重要学术会议）的论文集中。本周该论文在 X 和 Reddit 上传播后，重新引发了关注。

论文作者为 Simon Lermen、Daniel Paleka、Joshua Swanson、Michael Aerni、Nicholas Carlini 和 Florian Tramèr。Carlini 是 Anthropic（Claude 模型的开发公司）的员工，其余作者隶属于苏黎世联邦理工学院和 MATS。

四个阶段将 89,000 名候选者缩小至入围名单

这种攻击无需窃取的数据或被入侵的服务器。该智能体仅利用任何人都可以公开查看的信息，以更低成本、更快速度完成耐心调查员的工作。

研究人员将整个过程划分为四个阶段：Extract（提取）、Search（搜索）、Reason（推理）和 Calibrate（校准）。首先，语言模型从原始帖子中提取身份线索，例如职业、所在地或独特的措辞方式。随后，语义嵌入将最多 89,000 名候选者缩小为一份入围名单。推理模型对最匹配的结果进行评分，并判断两个账户是否属于同一人。Calibrate 阶段使流水线在不确定时主动放弃判断，从而减少误报。

该流水线基于现成的工具运行：网络搜索、嵌入技术以及 GPT-5.2 等模型。此前的去匿名化攻击（如 2008 年对匿名化 Netflix 评分的重新识别）依赖于结构化数据。那一事件表明，看似匿名的记录可以通过交叉比对外部信息被揭露——这也是本文所述自动化、低成本方法的一个数据密集型前身。

338 名 Hacker News 用户中 226 人以 90% 准确率被识别

为在不危及真实人员的情况下评估该方法，团队构建了一个包含 338 名 Hacker News 用户的基准数据集——该技术论坛由创业孵化器 Y Combinator 运营——这些用户的个人简介均指向某个 LinkedIn 页面，因此每个人的真实身份均为已知。仅凭每个用户的评论和提交内容，该智能体以 90% 的准确率正确识别出 226 人（约 67%）。它做出 25 次错误判断，并对 86 个账户放弃判断。在论文更大规模的匹配测试中，传统的非 LLM 基线方法的得分接近于零。

整个实验的总成本不足 2,000 美元，即每个身份约 1 至 4 美元。

另外两个数据集进一步验证了该方法：一个在不同电影社区之间匹配 Reddit 用户，另一个将单一 Reddit 历史记录拆分为两个时间段进行重建。在这两项测试中，LLM 方法均大幅超越旧有技术。

警告与防范措施

作者列举了一系列潜在的滥用场景：政府针对记者或活动人士、企业构建愈发精准的广告画像，以及诈骗者为社交工程攻击编制档案。

"这种信息组合往往构成一个独特的指纹，"ermen 在 2 月 24 日的博客文章中写道。他补充说，如果一队聪明的调查员能够通过帖文识别某人的身份，LLM 智能体很可能也可以做到——而且成本只会不断下降。

研究人员并未公开代码、提示词或该系统识别出的任何真实身份。该研究在发布前已通过苏黎世联邦理工学院伦理委员会的审查。

论文总结道："保护网络匿名用户的实际隐蔽性已不复存在。"迄今为止，大多数匿名账户——无论是开发者论坛还是加密社区中都十分常见——正是建立在这种隐蔽性之上。

对该研究关注度的回升，恰逢 SEC 委员 Hester Peirce 就批量 KYC——即金融机构须对用户执行的身份核查（know-your-customer）——数据收集发出警告的次日。Peirce 表示，这种做法无异于"堆砌越来越大的数据草堆"。近期 Revolut 以及硬件钱包制造商 Trezor 相关供应商的数据泄露事件，加剧了人们对"扳手攻击"的担忧——即知情者得知某人持有加密货币后登门实施胁迫。