Miguel de Vega
Miguel de Vega 是一位专门从事隐私增强技术 (PETs) 和分布式系统的计算机科学家和密码学家。他是 Nillion 的联合创始人兼首席科学家，负责领导安全、去中心化计算的密码学方法研究。[1]
教育背景
De Vega 于 1999 年在马德里理工大学 (UPM) 完成了电信工程硕士学位。随后，他于 2008 年在布鲁塞尔自由大学 (ULB) 获得了同一领域的哲学博士 (Ph.D.) 学位。[2]
职业生涯
De Vega 的职业生涯始于学术和电信研究，参与了 NOBEL 和 APSON 等欧洲项目，这些项目专注于开发下一代光网络。在此期间，他的工作涉及网络架构的开发和专利申请，重点关注流量工程、光突发交换以及移动和基于 IP 系统的服务质量 (QoS) 协议。他的职责包括网络技术的建模、仿真和性能分析。
在研究生涯之后，de Vega 转型至 Open Canarias 担任项目管理，负责监督金融机构的软件开发和现代化项目。随后，他进入了创业阶段，联合创办了多家专注于网络技术和用户交互工具的初创公司，包括 Browseye、iFlikeU 和 Dialective。之后，他的职业重心转向数据科学，担任 Treexor 的数据科学副总裁。在这一职位上，他领导团队将统计建模、深度学习和机器学习应用于欺诈检测和业务绩效优化。
后来，他的关注点缩小到人工智能和隐私增强技术。他曾担任 Botdreams 的顾问，协助为酒店业创建对话式 AI 工具。在数字身份公司 Sedicii，他先是担任技术顾问，随后成为其首席技术官 (CTO)。作为 CTO，他负责开发使用零知识证明 (ZKPs)和安全多方计算 (MPC) 进行身份验证和合规性的解决方案。2021 年，de Vega 联合创立了 Nillion 并担任首席科学官。在 Nillion，他领导科学工作，通过整合各种 PETs 来构建用于安全数据存储和计算的去中心化基础设施。[3]
访谈
Nillion
在 2025 年 3 月接受 Proof of Coverage Media 采访时，de Vega 讨论了 Nillion 在利用隐私保护技术进行 AI 应用方面的进展。他强调了 DeepMind 的 R1 模型在其平台上的快速部署，使用户能够以注重隐私的方式与 AI 互动。对话还涉及了开源 AI 模型的意义，特别是关于用户隐私的问题。De Vega 强调，集成隐私功能对于开发者和用户来说都应该是无缝的，并建议 Zero-Knowledge TLS 等技术可以弥合 Web2 和 Web3 基础设施之间的差距，同时保持数据保护。此外，他指出了 AI 智能体 (AI agents) 之间通信的重要性，以及需要安全、隐私保护的框架来增强智能体交互的效能。讨论最后，de Vega 对 AI 的未来表示了热情，特别是随着 AI 技术在日常生活中变得更加普及，对隐私的需求也日益增长。[7]
Blind Warriors 与加密货币
在 2025 年 1 月的 Block By Block Show 播客讨论中，de Vega 详细讲述了他从学术工程和数学领域向 Web3 领域的转变。在为诺基亚和西门子等大型电信公司工作后，他开始对分布式网络产生浓厚兴趣。最终，在 2013 年发现零知识证明后，他转向了隐私增强技术。Nillion 成立于 2021 年，旨在利用一套不同于传统区块链解决方案的独特隐私技术，创建用于处理私有数据的去中心化基础设施。对话强调了 Nillion 如何在隐私和 AI 领域定位，并旨在通过模块和 SDK 使复杂的隐私增强技术更易于获取，从而吸引开发者。访谈还讨论了传达 Nillion 价值主张的挑战（特别是在隐私领域），强调需要展示实际用例，以帮助 Web2 和 Web3 开发者理解将隐私功能集成到其应用程序中的潜力。[8]
去中心化的未来
在 2025 年 1 月 MIDCRUVED 的 LP 圆桌讨论中，de Vega 分享了关于去中心化、AI 和隐私的见解。他回顾了从学习电信和数学到对分布式系统和密码学产生兴趣的历程，这为去中心化基础设施的开发奠定了基础。De Vega 指出了 AI 从基础聊天机器人到更自主智能体的演变，将其成长比作军事层级，即通用命令引导去中心化执行。他强调了 AI 中隐私的关键需求，特别是当系统收集敏感个人数据时。De Vega 还强调了去中心化技术在增强用户体验和促进问责制方面的潜力，特别是在电信和 AI 领域。随着 Nillion 即将发布，他对隐私增强技术的未来应用以及它们在塑造去中心化 AI 解决方案中所扮演的角色表示兴奋。[9]
演讲演示
增强 TFHE 自举 (Bootstrap)
2024 年 11 月，de Vega 在 FHE Summit II 上通过两篇研究论文 Ripple 和 Curl 介绍了增强 TFHE 自举的方法。这些论文解决了使用隐私增强技术运行 AI 的挑战，特别侧重于在全同态加密 (FHE) 和安全多方计算 (MPC) 框架内评估非线性函数。他引入了离散小波变换 (DWT) 作为一种压缩用于评估复杂函数的查找表的技术，从而在不牺牲准确性的情况下提高效率。这种方法有助于克服与传统查找表相关的可扩展性问题，传统查找表往往随输入位数的增加而呈指数级增长。该研究展示了在压缩和速度方面的显著进步，并与多个学术和行业合作伙伴协作，为隐私 AI 应用中更有效的资源利用提供了框架。[5]
信任最小化的 MPC
De Vega 在 2023 年 10 月的 DeCompute 上发表了关于开发信任最小化多方计算 (MPC) 协议的演讲，讨论了线性秘密共享、全同态加密 (FHE) 和混淆电路等构建模块的集成，以创建可扩展的去中心化解决方案。他反思了网络发展的历史背景，强调了从早期互联网的公开性质向当前中心化 Web2 的转变，以及去中心化 Web3 技术引入所带来的挑战，这些技术往往会损害机密性。De Vega 概述了一个从架构、政治和逻辑维度理解去中心化的框架，分析了每一维度在构建高效 MPC 网络时的影响，同时解决了诸如女巫攻击和份额静默泄漏等挑战。他探讨了每种密码学原语的优势和局限性，建议将这些技术结合起来可以为隐私增强技术中的各种用例提供最有效的解决方案。[4]
圆桌论坛
个人智能体
在 2024 年 11 月的 Open AGI 峰会上，举行了一场关于个人智能体如何改变日常生活的面板讨论。De Vega、Regan Peng (PinAI)、Alex Hicks (以太坊基金会) 和 Will Villanueva (BonkBot) 探讨了 AI 驱动的智能体对隐私、可靠性和用户体验的影响。De Vega 强调了个人 AI 中机密性的必要性，并对这些智能体如何收集广泛的个人信息表示担忧，特别是如果在中心化基础设施上运行。Peng 介绍了个人 AI 的去中心化协调层概念，该层将促进跨各种来源的数据收集，同时保留用户的数据主权。Hicks 强调了管理完成任务的 AI 智能体链可能面临的挑战，因为输出的可靠性可能会随着每个增加的智能体而降低。讨论强调了平衡用户体验和数据隐私的重要性，承认了在不断发展的 AI 技术格局中，个人信息受中心化控制的风险。[6]
