米格尔·德维加 (Miguel de Vega) 是一位计算机科学家和密码学家，专门研究隐私增强技术 (PET) 和分布式系统。他是 Nillion 的联合创始人兼首席科学家，在那里他领导着安全、去中心化计算的密码学方法研究。^[1]

教育

德维加于 1999 年在马德里理工大学 (UPM) 获得电信工程硕士学位。 2008 年，他后来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

德维加的职业生涯始于学术和电信研究，为 NOBEL 和 APSON 等欧洲项目做出了贡献，这些项目专注于开发下一代光网络。他在此期间的工作涉及网络架构的开发和专利申请，重点是流量工程、光突发交换以及移动和基于 IP 的系统的服务质量 (QoS) 协议。他的职责包括网络技术的建模、仿真和性能分析。

在结束研究生涯后，德维加转到 Open Canarias 从事项目管理工作，在那里他负责监督金融机构的软件开发和现代化项目。随后，他进入创业阶段，共同创立了几家专注于 Web 技术和用户交互工具的初创公司，包括 Browseye、iFlikeU 和 Dialective。随后，当他成为 Treexor 的数据科学副总裁时，他的职业生涯转向了数据科学。在这个职位上，他领导一个团队将统计建模、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，他的重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人工智能工具。在数字身份公司 Sedicii，他先是担任技术顾问，然后成为首席技术官 (CTO)。作为首席技术官，他负责开发使用零知识证明 (ZKP)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，德维加共同创立了 Nillion 并担任首席科学官。Nillion 的首席科学官领导科学工作，通过集成各种 PET 来构建用于安全数据存储和计算的去中心化基础设施。^[3]

采访

Nillion

在 2025 年 3 月接受 Proof of Coverage Media 的采访时，德维加讨论了 Nillion 在利用隐私保护技术进行人工智能应用方面的进展。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 交互。对话还涉及开源 AI 模型的影响，特别是关于用户隐私。德维加强调，对于开发人员和用户而言，集成隐私功能应该是无缝的，并建议零知识 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 AI 代理 之间通信的重要性，以及增强代理交互功效的安全、隐私保护框架的需求。德维加在讨论结束时表达了对人工智能未来的热情，特别是随着人工智能技术在日常生活中变得越来越普遍，对隐私的需求。^[7]

盲人战士和加密货币

在 2025 年 1 月的 Block By Block Show 中，德维加在播客讨论中详细介绍了他是如何从学术工程和数学领域过渡到 Web3 领域的。在与诺基亚和西门子等主要电信公司合作后，他对分布式网络产生了浓厚的兴趣。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，旨在创建一个去中心化基础设施，用于使用一组独特的隐私技术（不同于传统的区块链解决方案）处理私人数据。对话强调了 Nillion 如何在隐私和 AI 领域定位自己，并旨在通过模块和 SDK 使复杂的隐私增强技术更易于访问，从而吸引开发人员。还讨论了沟通 Nillion 价值主张的挑战，尤其是在隐私领域，强调需要展示实际用例，以帮助 Web2 和 Web3 开发人员了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 上的 LP 圆桌讨论中，德维加分享了对去中心化、AI 和隐私的见解。他回顾了自己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。德维加指出，人工智能已经从基本聊天机器人发展到更自主的代理，将其增长比作军事等级制度，其中一般命令导致去中心化执行。他强调了人工智能中隐私的关键需求，尤其是在系统收集敏感个人数据时。德维加还强调了去中心化技术在增强用户体验和提高问责制方面的潜力，尤其是在电信和人工智能领域。随着 Nillion 准备即将推出，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 解决方案中的作用表示兴奋。^[9]

演示文稿

增强 TFHE 引导

2024 年 11 月，德维加在 FHE 峰会 II 上介绍了关于通过两篇研究论文 Ripple 和 Curl 增强 TFHE 引导的内容。这些论文解决了使用隐私增强技术运行 AI 的挑战，特别关注在完全同态加密 (FHE) 和安全多方计算 (MPC) 框架中评估非线性函数。他介绍了离散小波变换 (DWT) 作为一种压缩查找表的技术，该查找表用于评估复杂函数，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，传统查找表往往随着输入位数的增加呈指数增长。该研究展示了在压缩和速度方面的重大进展，为基于隐私的 AI 应用中更有效的资源使用提供了一个框架，并与各种学术和行业合作伙伴合作。^[5]

信任最小化的 MPC

德维加在 2023 年 10 月的 DeCompute 上介绍了信任最小化的多方计算 (MPC) 协议的开发，讨论了线性秘密共享、完全同态加密 (FHE) 和乱码电路等构建块的集成，以创建可扩展的去中心化解决方案。他回顾了 Web 开发的历史背景，强调了从早期互联网的公共性质到当前中心化 Web2 的转变，以及去中心化 Web3 技术的引入所带来的挑战，这些技术通常会损害机密性。德维加概述了一个框架，用于理解跨架构、政治和逻辑维度的去中心化，分析了每个维度在构建高效 MPC 网络中的影响，同时解决了诸如民事攻击和股份的静默泄漏等挑战。他探讨了每种密码原语的优势和局限性，表明这些技术的组合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]

小组讨论

个人代理

在 2024 年 11 月的 Open AGI 峰会上，举行了一场关于个人代理如何改变日常生活的小组讨论。德维加、Regan Peng (PinAI)、Alex Hicks (以太坊基金会) 和 Will Villanueva (BonkBot) 探讨了 AI 驱动的代理对隐私、可靠性和用户体验的影响。德维加强调了个人 AI 中保密性的必要性，并对这些代理如何收集大量个人信息表示担忧，尤其是在集中式基础设施上运行时。Peng 介绍了个人 AI 的去中心化协调层的概念，该层将促进跨各种来源的数据收集，同时保留用户数据主权。Hicks 强调了管理完成任务的 AI 代理链的潜在挑战，因为输出的可靠性可能会随着每个额外的代理而降低。讨论强调了平衡用户体验和数据隐私的重要性，承认在不断发展的人工智能技术领域中，集中控制个人信息的风险。^[6]