分享
不久前，隐私还显得很抽象——只是记者、活动家或那些“有东西要隐瞒”的人才会关心的问题。
我们大多数人自由地滑动屏幕并发布内容，以为自己的个人数据被埋没在数十亿其他数据之中。
但这种错觉已经破灭。
在当今世界，随着人工智能（AI）技术的进步，Clearview AI和Palantir等公司已将普通的数字痕迹转化为强大的监控工具。街上的每张面孔、每次在线购物、每次通话或点击：所有这些都可以被追踪、存储和分析。
这就像生活在一个每一面墙都是玻璃做的城市里。起初你可能没有察觉，但你的生活已变得可见、可搜索，且越来越可预测。
与此同时，像 NymVPN 这样的新技术表明，个人并非无能为力。正如政府和企业投资于控制工具一样，人们也可以通过专门为抵抗而设计的工具夺回自己的隐私。
从“9/11”到TikTok：我们的隐私观念如何改变
过去的二十年彻底改变了人们对隐私的看法。
9·/11事件后的监控热潮
2001年9月11日恐怖袭击事件发生后，世界各地的政府以国家安全为名扩大了大规模监控。在美国，《爱国者法案》使对公民的数据收集达到了前所未有的程度。在欧洲，新的反恐法律使监控成为常态。
社交媒体的兴起
到 2000 年代末，Facebook、Twitter、Instagram 和 LinkedIn 已成为日常生活的一部分。人们主动提供了个人信息——生日、旅行照片、工作经历，甚至实时位置——却往往没有意识到，这些平台正在构建历史上最强大的营销和监控数据库之一。
权衡错觉
便利取代了谨慎。免费的应用程序和服务是以个人数据为代价换来的。企业借此牟利，政府加以利用，而大多数用户却对此视而不见。隐私已从一项权利转变为必须积极争取的东西。
如今，随着 Clearview AI 和 Palantir 的崛起，这种权衡已不再像是一种选择，而更像是现代生活中不可避免的状况。
人群中的那张脸：Clearview AI
想象一下走进一家咖啡馆的情景。有人拍了一张你模糊的照片。借助 Clearview AI，仅凭这些信息就足以找到您的旧 Facebook 个人资料、LinkedIn 简历、家庭照片——甚至您的家庭住址。
Clearview AI 是一家总部位于美国的公司，已构建了全球最大的面部识别数据库之一。据称该平台拥有超过 300 亿张图片，这些图片均从公开渠道抓取而来：社交媒体、网站，甚至新闻文章。
该项目是如何工作的
Clearview 的系统会拍摄一张照片，将其与数据库中的数十亿张图像进行比对，并返回潜在的匹配结果。据 Clearview 称，其算法在某些 NIST 测试中实现了超过 98% 的准确率。
实际应用
- 执法部门： 美国警方曾使用 Clearview 来识别盗窃、袭击和儿童剥削案件中的嫌疑人。据报道，在 2022 年俄罗斯入侵期间，乌克兰国防部曾使用 Clearview 来协助识别阵亡士兵和涉嫌战争罪的犯罪嫌疑人。
- 私人用途： Clearview 已向包括银行和零售商在内的私营企业推销其服务——这引发了人们对大规模用户画像和跟踪骚扰的担忧。
全球反响
Clearview 的做法引发了大规模的法律挑战：
- 意大利对该公司处以2000万欧元罚款，并下令删除意大利用户的数据 [1]。
- 荷兰于 2024 年处以 3,050 万欧元的罚款 [3]。
- 澳大利亚于2021年宣布此类做法违法，理由是缺乏用户同意。
- 加拿大禁止 Clearview 运营，称其行为属于“非法大规模监控”。
美国公民自由联盟（ACLU）等民权组织认为，无论是否曾犯下罪行，Clearview 都将每个人变成了潜在嫌疑人。
决定性的算法：Palantir
如果说 Clearview 专注于人脸识别，那么 Palantir 则专注于串联线索。
Palantir Technologies 成立于 2003 年，早期获得了美国中央情报局（CIA）风险投资部门 In-Q-Tel 的资金支持，致力于开发用于整合和分析海量数据集的软件。其平台——Gotham 和 Foundry——被 150 多个国家 的政府和企业所采用。
Palantir 分析的内容
Palantir 处理：
- 金融交易
- 电话和互联网 元数据
- 医疗和健康记录
- 社交媒体动态
- 政府和企业数据库
结果：强大的模型能够揭示隐藏的关联、预测威胁并指导现实世界的决策。
什么是元数据？
AI 的实际应用
- 反恐：帕兰蒂尔因协助情报机构侦测恐怖主义网络而备受赞誉。
- 新冠疫情应对措施：欧洲和美国的政府使用 Palantir 软件来追踪感染情况、住院情况和疫苗接种情况。
- 银行业：金融机构使用 Palantir 来检测欺诈和洗钱行为。
争议与批评
- ICE 驱逐行动：美国移民海关执法局（ICE）使用了 Palantir 的调查案件管理系统。移民和海关执法局（ICE）将追踪并驱逐无证移民 [4]。这引发了人权组织的强烈抗议。
- 算法偏见：批评者警告称，Palantir 的工具可能会重现歧视现象，在缺乏透明度的情况下将整个社区贴上“高风险”的标签。
- 不透明的决策：当算法主导安全和执法时，问责机制便不复存在。公民往往根本不知道自己为何被标记。
Palantir 有时会被拿来与《少数派报告》中的反乌托邦系统相提并论：这种技术能在犯罪发生前进行预测，却缺乏保护公民自由的保障措施。
Clearview 与 Palantir：方法不同，风险相同
两家公司都致力于将原始数据转化为可付诸行动的洞察。但它们的方式——以及风险——各不相同。
公司 | What it collects | What it analyzes | Main risks | Global response |
|---|---|---|---|---|
Clearview | Billions of photos scraped from the internet | Facial recognition, identity matching | Privacy violations, stalking, unlawful mass surveillance | Fines in EU, bans in Canada & Australia |
Palantir | Finanacial data, telecom metadata, health and social data | Links, patterns, predictive analytics | Algorithmic bias, digital authoritarianism, opaque decision-making | Adopted by governments, criticized by human rights groups |
NymVPN：玻璃之城中的隐身斗篷
在此背景下，NymVPN 提出了一种截然不同的愿景。
大多数 VPN 的运作方式就像有色车窗：它们隐藏了您的 IP 地址，却让 元数据 暴露在外。任何监控流量的人仍然可以查看您何时连接、连接频率以及连接对象。
NymVPN 与众不同。 它采用 噪声生成混合网络（Noise Generating Mixnet） —— 这是一个在数据包送达前对其进行打乱和延迟处理的去中心化网络。
为什么混合网（Mixnet）很重要
- 元数据保护：即使您的流量经过加密，元数据（如时间和频率）仍可能暴露您的使用习惯。混合网络既隐藏内容，也隐藏模式。
- 去中心化：与拥有集中式服务器的 传统 VPN 不同，NymVPN 将流量分布在各个独立节点上。不存在单一的攻击点或故障点。
- 抵御监控的能力：通过混淆和延迟流量，混淆网络使攻击者几乎无法追踪谁与谁在通信。
一个简单的比喻
如果说 VPN 就像给汽车的车窗贴上深色膜，那么混网（mixnet）就如同在镜子迷宫中驾驶：你的行进路线被打乱，没有人能分辨出你从哪里出发，又将驶向何方。
谁能从中受益
- 记者和活动人士：保护消息来源并绕过审查
- 普通用户：防止广告商、互联网服务提供商 或政府建立行为档案
- 企业：确保敏感通信和交易的机密性。
NymVPN 将隐私从一项技术功能转变为日常生活中赋予个人力量的行动。
十字路口：安全与自由
Clearview AI 和 Palantir 凸显了一个深刻的困境：那些保护社会的技术，同时也可能削弱民主。
- Clearview的面部识别技术虽然有助于抓捕罪犯，但也存在将每个人都变成嫌疑人的风险。
- Palantir 的数据分析不仅有助于防范攻击，还通过不透明的算法助长了数字威权主义。
相比之下，NymVPN 则代表着一种未来的可能性——在保障安全的同时，无需牺牲隐私。相反，它表明技术可以同时保护这两者。
数字时代的自由是脆弱的。 每当我们选择如何保护自己的数据时，我们都在决定这种自由能否得以延续。
AI 与监控：常见问题解答
Clearview AI 在未经同意的情况下，从公共网站和社交媒体平台抓取了数十亿张图片。这些图像被输入到人脸识别算法中以识别个人身份，将面部特征与在线个人资料及现实世界中的身份信息建立关联。
Palantir 为政府及执法机构构建数据分析平台，该平台整合了社交媒体、电话和位置记录。其工具专为大规模情报工作而设计——这引发了人们对个人画像、隐私泄露和公民自由受侵犯的担忧。
虽然 VPN 无法屏蔽摄像头，但可以防止与您的数字足迹相关的在线追踪和元数据收集。使用 NymVPN 等去中心化 VPN，可以限制人脸识别系统将您的在线身份与现实世界数据源关联起来。
限制社交媒体曝光，禁用人脸标记功能，并使用以隐私为先的浏览器、扩展程序和加密网络。将这些步骤与 NymVPN 结合使用，有助于防止您的活动和元数据流入 AI 监控数据库。
关于作者
Volodymyr Prysiazhniuk
社区撰稿人
Casey Ford, PhD
技术审阅员
