← #801

匿名末日：你写的字正在出卖你

文章摘要

博主 dynomight 在这篇兼具数学与思辨的长文里提出一个”猜想”：只要你在互联网上以不同笔名发表了足够多的文字，仅凭文本本身就能把这些身份关联到一起——因为你在写作中留下了统计意义上的”指纹”。他设想有朝一日会出现一个网站：粘贴进某人刚写的一段新文字，它就能返回此人以任何名义发表过的所有文字的链接。虽然目前公开互联网上还没有这样的工具，但他相信它很快会变得轻而易举。他补充说，这篇文章大部分写于 2025 年中，搁置一年间 LLM 识别作者的能力已大幅提升——给 Claude 4.8 喂这篇文章草稿的前 1000 字，它就认出了是他本人。

文章的核心是一个信息论论证。设想每人出生时被分配一串随机二进制串，每次发帖都要”签名”。串太短，很多人会撞；串足够长，就几乎唯一，足以关联所有笔名。那个临界点在哪？如果只知道作者是当下在世、生活在英语世界的人（约 4.9 亿人），临界点约为 29 比特（因为 2^28.86 ≈ 4.9 亿）。写作风格正扮演着这串”签名”的角色：你并非一次签完整串，而是每写一个词，就有一定概率泄露其中一个比特——比如你用的破折号是”带丑陋空格 — 这样”还是”不带空格—这样”，就暴露了某一位。当两个笔名重叠泄露的比特数远超 29 时，攻击者甚至无需了解其他任何人，就几乎可以断定二者是同一人。

为论证这不只是理论上可能、而是很快会发生，作者细致盘点了写作中承载信息的各类特征。他把作者身份识别的历史追溯到 1440 年——洛伦佐·瓦拉靠语言用词证明《君士坦丁献土》是伪造的；1964 年 Mosteller 与 Wallace 用词频统计（尤其是 by、from、to、upon 这类”虚词”而非涉及主题的实词）判定了《联邦党人文集》争议篇章的作者是麦迪逊。他随后列出海量稳定特征：词长/句长/段长、标点频率、虚词与代词偏好、情态动词、模糊限制词、字符与词的 N-gram、词汇多样性、句法复杂度、被动语态、名词化、分支结构、状语从句位置、牛津逗号、who/whom、拆分不定式，乃至一贯的拼写错误和独特笔误等等。接着他用”分箱 + 折算”的方法估算各类特征的信息量：光是年龄、性别、职业、地区、政治倾向等人口统计特征，在考虑分布不均和相关性后仍约有 17 比特；HEXACO 的 24 项人格侧面约贡献 39 比特；再加上写作风格本身……总量远远超过关联身份所需的 29 比特门槛。结论令人不安：只要你的写作风格里含有至少 29 比特信息、且你写得够多，你就”完了”（you’re done）。他进一步大胆推测一个”广义匿名末日”：未来只要你通过任何高带宽渠道与世界交互，都会暴露身份——戴面具、用变声器仍会被体型、步态、化学特征识别；封锁浏览器、用门罗币、串三层 VPN，仍会被你滚动页面时手指抖动的方式认出。

HN 评论精华

评论区既有对论证严谨性的学术性挑刺，也有对”如何反制”的务实探讨，还夹杂对 AI 时代的联想。

tokai 提出了最直接的学术批评：作者身份关联本身就是一个成熟学科，叫”文体计量学”（stylometry），有 2006 年的综述、数千篇论文，他”真希望作者哪怕粗略翻一下文献”。Cynddl 也从专业角度补充，认为用”熵”来估计这些识别技术能否规模化其实是个很糟的指标，并附上了自己发表在 Nature Communications 的相关论文。
Recursing 引出了这一话题的经典之作——Gwern 的《Death Note anonymity》，其中援引陶哲轩的思路：靠刻意散布假信息来保护匿名性。比如你披露 100 个关于自己的独立比特本会损失 100 比特匿名度，但若随机伪造其中 5 个，可能性数量反而增加约 (100 选 5)≈2^26 倍，找回约 26 比特匿名度。lnrd 和 kibwen 则讨论更朴素的反制工具：写一个把文字”标准化、去个性化”的程序（统一标点、替换同义词、把句子改成最简单的主谓宾、限用最常见的 1000 个英文词、去掉缩写和奇特标点）——前提是你得接受失去自己独特的”文风”。
losvedir 提出了 AI 时代的反转思考：在 AI”注水”内容泛滥的当下，这套分析还成立吗？AI 到底是抹掉了识别性的比特，还是把原始 prompt（话题与引导）的特征保留了下来？他还笑称自己一直误以为作者就是 Matt Might，直到这次才意识到 dynomight 是匿名的。two-sandwich 想到的是相反方向：随着人们持续与聊天机器人交互，AI 的语言腔调（如”smoking gun”这类措辞）正渗入日常表达，我们的语言输出会不会反而趋同？
sixtyj 大段引用了原文那段”广义匿名末日”的描绘（面具、变声器、无车牌、三层 VPN 仍难逃识别），作为对全文最震撼观点的强调。
cestith 从制度层面给出唯一可能的解法：把”去匿名化”或协助去匿名化定为重罪；但他悲观地指出，在多数地方这很难实现，因为想这么干的往往正是政府本身。tarpitt 则脑洞大开，好奇这套方法能否用来揭开中本聪的真实身份。