人工智能代理需要身份信息，而零知识证明是解决方案。

币搜网报道：

对于人工智能和信任而言，这是一个充满变数的时代。越来越多的投资公司开始使用人工智能代理来审查研究报告和公司文件。人们被要求提供越来越具有侵入性的生物识别数据，例如面部扫描、语音样本和行为模式，仅仅是为了证明自己不是机器人。一旦这些数据泄露，人工智能驱动的机器人就可以将其武器化，以逼真的方式冒充真人，从而绕过旨在阻止它们入侵的系统。这让我们陷入了一场奇怪的新军备竞赛——验证过程越是侵入性，一旦数据泄露，风险就越大。那么，我们究竟该如何验证我们究竟在与谁（或什么）打交道呢？

要求人类做到透明，却容忍机器的不透明，这简直令人无法接受。无论是机器人还是网络用户，都需要更好的身份验证方式。我们不能仅仅通过收集更多生物识别数据来解决这个问题，也不能通过构建集中式注册表来解决问题，因为这些注册表实际上会成为网络犯罪分子的大型蜜罐。零知识证明提供了一种可行的方案，使人类和人工智能都能在不暴露自身安全风险的情况下证明自己的身份。

信任赤字阻碍进步

缺乏可验证的人工智能身份会立即带来市场风险。当人工智能代理能够冒充人类、操纵市场或执行未经授权的交易时，企业自然会对大规模部署自主系统犹豫不决。事实上，那些在较小数据集上经过“微调”以提高性能的LLM（逻辑逻辑模型）与基础模型相比，人工智能系统更容易产生有害的输出，其绕过系统安全和伦理防护措施（即“越狱”）的成功率是生产就绪系统的三倍。如果没有可靠的身份验证，每一次人工智能交互都离潜在的安全漏洞更近一步。

问题并非仅仅在于如何阻止恶意行为者部署恶意代理，因为我们面对的并非单一的AI界面。未来将出现越来越多功能强大的自主AI代理。面对如此众多的代理，我们如何辨别其真伪？即使是合法的AI系统，也需要可验证的凭证才能参与新兴的代理间经济。当一个AI交易机器人与其他机器人进行交易时，双方都需要确认对方的身份、授权和问责机制。

这个等式中的人为因素同样存在缺陷。传统的身份验证系统使用户面临风险。这也使得专制监控更容易得逞，并使大型企业能够通过出售个人信息赚取数十亿美元的利润，而无需向提供信息的个人支付任何补偿。人们理所当然地不愿分享更多个人数据，但监管要求却要求采取越来越侵入性的验证程序。

零知识：隐私与问责之间的桥梁

零知识证明（ZKP）为解决这一看似棘手的问题提供了一种方案。ZKP 无需泄露敏感信息，即可让实体（无论是人还是人工智能）在不暴露底层数据的情况下证明特定声明。例如，用户可以证明自己已年满 21 岁，而无需透露出生日期；人工智能代理可以证明其训练所用的数据集符合伦理规范，而无需暴露专有算法；金融机构可以在不存储可能泄露的个人信息的情况下，验证客户是否符合监管要求。

对于人工智能代理而言，零知识证明（ZKP）能够实现必要的深度信任，因为我们不仅需要验证技术架构，还需要验证行为模式、法律责任和社会声誉。借助零知识证明，这些声明可以存储在链上可验证的信任图中。

您可以将其视为一个可组合的身份层，它能够跨平台、跨司法管辖区运行。这样，当人工智能代理出示其资质证明时，它就能证明其训练数据符合伦理标准，其输出结果经过审计，并且其行为与可问责的人类实体相关联，所有这些都无需泄露专有信息。

零知识证明（ZKP）有望彻底改变游戏规则，让我们无需交出敏感数据即可证明身份，但其普及速度仍然缓慢。ZKP 仍属于技术小众领域，用户对其了解甚少，且监管方面也存在诸多灰色地带。此外，那些从数据收集中获利的公司缺乏采用这项技术的动力。然而，这并未阻止一些更具灵活性的身份管理公司利用 ZKP。随着监管标准的逐步完善和公众认知的不断提高，ZKP 有望成为可信人工智能和数字身份新时代的基石，为个人和组织提供跨平台、跨国界安全透明地互动的方式。

市场影响：释放代理经济潜力

生成式人工智能可以增加人工智能每年为全球经济贡献巨大，但其中大部分价值仍被身份验证壁垒所阻碍。这背后的原因有很多。首先，机构投资者在将资金投入人工智能驱动型战略之前，需要严格的KYC/AML合规流程。其次，企业在允许自主系统访问关键基础设施之前，需要验证代理的身份。此外，监管机构在批准人工智能在敏感领域的部署之前，也要求建立相应的问责机制。

基于零知识证明（ZKP）的身份系统满足了所有这些要求，同时又保留了去中心化系统赖以生存的隐私性和自主性。通过实现选择性披露，它们满足了监管要求，而不会造成个人数据的“蜜罐”。通过提供加密验证，它们实现了自主代理之间无需信任的交互。此外，通过维护用户控制权，它们符合诸如GDPR和加州隐私法等新兴数据保护法规。

这项技术还有助于应对日益严重的深度伪造危机。当每条内容都能通过加密技术链接到经过验证的创作者，同时又不泄露其身份时，我们就能打击虚假信息，保护隐私。这一点尤为重要，因为人工智能生成的内容越来越难以与人类创作的内容区分开来。