EFF在美国国会作证：政府采用AI前应先建立宪法权利保护机制

据 EFF 发布的信息，2026年6月5日，电子前哨基金会（EFF）高级政策分析师 Matthew Guariglia 博士在美国众议院国土安全委员会下属的网络安全与基础设施保护小组委员会作证，主题涉及前沿模型、智能体 AI 与 AI 编码工具如何改变网络安全和关键基础设施韧性。他的核心观点是：政府在引入新兴且强大的 AI 技术时，不能只关注效率和安全能力，也必须同步建立清晰、强有力的保障措施，以避免侵害美国宪法权利。对于关注隐私安全、网络追踪与政府数据使用边界的用户来说，这一听证会释放了一个重要信号：AI进入公共治理和安全体系后，透明度与问责机制将变得比以往更关键。

政府AI应用的风险不只在“技术出错”

来源显示，Guariglia 在听证中强调，如果生成式 AI 被用于大规模政府监控，它可能会放大原本就存在的公民自由风险，甚至“强化”不符合宪法要求的权利侵害。这里的关键并不只是 AI 能否识别人、分析文本或自动生成判断，而是当这些能力与政府数据库、执法流程、边境管理、关键基础设施防护等系统结合后，错误判断可能会更快、更大范围地影响个人。

他还提到，AI 已经有“出错记录”，包括在法律文书中生成错误引用，以及一次重大 AI 错误导致国土安全部新招人员在未获得适当训练的情况下被派往现场。来源同时指出，由于分类保密等限制，外界可能还无法看到更多后果严重的案例。这意味着公众和立法者面对的并非单纯的模型性能问题，而是一个由政府保密、专有商业技术黑箱和自动化决策共同构成的治理难题。

• 透明度不足：外界难以知道哪些政府部门在何种场景中使用 AI。
• 错误难以追责：当模型由商业公司提供且细节不公开时，责任边界可能模糊。
• 影响可能外溢：AI 判断若进入关键基础设施或执法流程，后果可能不止于一次误报。
• 个人权利承压：大规模监控与自动化分析结合后，隐私、表达和正当程序都可能受到冲击。

为什么这与VPN用户和隐私保护有关

从 VPN 用户视角看，这场听证会并不是一个遥远的政策讨论。用户使用加密连接、减少网络追踪、避免公共 Wi-Fi 泄露，通常是为了降低个人数据被收集、关联和滥用的风险。但当政府和大型机构开始将 AI 用于网络安全、身份分析、行为模式识别或威胁研判时，数据本身的价值会进一步提高：越多数据被集中，AI 越容易从碎片中推断身份、关系和习惯。

这并不意味着所有政府 AI 应用都应被否定。网络攻击防御、漏洞分析、关键基础设施保护等领域确实可能从 AI 工具中受益。问题在于，如果缺少明确法律边界、独立审计和公开问责，安全名义下的自动化系统很容易扩展到过度收集、长期留存和不透明画像。对普通用户而言，隐私保护不应只依赖个人工具，也需要制度层面的限制和监督。

黑箱模型叠加政府保密，公众如何判断风险

Guariglia 的证词还指出了一个现实障碍：许多 AI 系统本身就是营利性公司的专有技术，模型训练、评估和失败案例未必对外公开；与此同时，政府安全事务又常常涉及保密。两种不透明叠加后，公众和议员可能很难知道 AI 是否犯错、错在哪里、影响了谁，以及是否已经被纠正。

对于网络安全行业来说，这种不透明同样值得警惕。关键基础设施的安全决策一旦依赖自动化工具，误判可能导致资源被错误调配，或真实风险被忽视。来源摘要提到的 DHS 招募培训错误，正说明 AI 失误并不一定停留在屏幕上，它可能进入现实流程，并影响人员部署与机构运作。

用户可采取的现实防护思路

在政策层面，EFF 的立场强调先有保障再部署技术；在个人层面，用户仍可通过更谨慎的数据暴露管理来降低风险。使用加密网络连接、减少不必要的账号绑定、审查应用权限、避免在公共网络上传输敏感信息，都是基础做法。RedGate VPN 可作为用户在公共网络中增强连接隐私的一个可选工具，但它不能替代法律监督、透明审计和机构问责。

总体来看，这次国会作证的重点不是反对 AI，而是提醒政府：越强大的技术越需要更明确的边界。当 AI 被用于网络安全和公共治理时，效率提升不能成为绕开宪法权利、隐私保护和公众知情权的理由。对于普通互联网用户来说，未来的隐私风险将不只来自广告追踪或数据泄露，也可能来自不透明的自动化政府系统。因此，持续关注 AI 治理规则、数据最小化原则和加密通信实践，将成为数字时代个人安全的一部分。