第三方 API 中转站普遍存在明文传输与数据泄露风险。虽然 HTTPS 的 TLS 保护了传输安全，但中转服务器依然能完整获取用户的 Prompt、系统提示词、附件和模型回复，导致商业机密与代码面临泄露隐患。为此，业内提出利用非对称加密构建“盲管道”的设想：客户端用大模型厂商的公钥加密请求，厂商用私钥解密并完成推理，再加密返回响应，中转站只负责转发与按 Token 计费。不过，该方案在现实中面临不小阻力，主要在于厂商未开放密文请求标准，且服务端缺乏改造动力。这给开发者带来了关于 AI 服务数据隐私与安全架构的新思考。
开发者近日开源了工具 Infercat，支持通过加密 P2P 隧道共享本地运行的大模型。用户无需配置复杂的 VPN 或公网 IP，仅凭一个邀请码就能从任意地点接入远程的本地 AI 服务。该工具简化了跨网络访问本地大模型的工作流，为开发者和 AI 爱好者提供了一种便捷、安全的本地算力共享方案。
这是一款开源的敏感信息传递工具，专为开发和协作场景设计，用于安全分享密码、API Key 和私钥。核心机制是“阅后即焚”，敏感数据在单次访问后即从服务器彻底销毁，避免长期暴露和意外泄露。项目采用端到端加密，确保服务端无法读取明文内容。对于技术团队来说，它提供了一个轻量且可自托管的隐私方案，简化了日常凭证传递流程，降低了安全风险。
MindooDB 是一款聚焦本地优先（Local-First）架构的开源同步数据库。它支持端到端加密，允许应用在断网或无中心服务器的环境下持续读写数据，并在网络恢复后自动完成安全同步。这种架构不仅省去了中心化云数据库的运维成本，还能显着降低数据泄露风险，适合用来开发隐私敏感型的本地协作工具与客户端应用。
针对 AI Agent 通过对话传递明文 API 密钥的安全隐患，开发者开源了 Agent Skill 工具 Loopmark。该工具通过表单交互与端到端加密，避免密钥进入对话上下文。工作流程为：Agent 生成表单链接，用户在浏览器填写信息后，密钥经过 ECDH 密钥协商与 AES-GCM 加密，确保云端只存密文，解密私钥留在 Agent 本地。随后，Agent 下载密文并在本地解密为临时 .env 文件供调用。该方案采用混合加密架构，支持托管服务或部署到个人 Cloudflare 账号，满足数据隔离需求，为处理敏感凭据提供了一种实用的安全方案。
RNote 是一款全平台覆盖的加密笔记软件，支持 Linux、Windows、macOS、Android 和 iOS。软件在本地使用时完全免费，核心主打端到端加密与多端同步。编辑体验上，RNote 原生支持 Markdown 与富文本，同时内置了 drawio、手写板以及 mermaid 图表支持，能够满足日常记录、技术文档编写和图表绘制等需求。此外，它还支持直接导出为 HTML 和 PDF 格式，方便分享与存档。
在数据库中安全保存手机号并支持模糊搜索，核心在于平衡数据保密与检索效率。通常采用的方案是：利用 AES-GCM 算法对手机号进行对称加密，结合全局密钥与随机向量 IV 存入 MySQL，保证静态存储安全。为解决密文无法模糊查询的痛点，引入 Elasticsearch 构建带位置的 N-Gram HMAC 盲索引数组，同时配合完整手机号的 HMAC 哈希字段。这样既能避免明文泄露，又能在不解密的前提下实现精准匹配与高效模糊检索，满足敏感数据保护的工程落地需求。
本文讨论了在保障数据隐私的前提下，实现手机号加密存储与模糊搜索的技术方案。核心实现思路包括： 1. 加密存储：采用 AES-GCM 对称加密算法，通过随机生成向量（IV）并与密文拼接存储，结合配置中心管理密钥，确保数据在数据库层面的安全性。 2. 模糊搜索实现：利用 Elasticsearch 构建盲索引（Blind Index）。通过对手机号进行 N-Gram 切片，结合位置信息生成“位置:四位切片”的 HMAC 数组存储于索引中，从而支持模糊匹配查询。 3. 精确搜索：通过存储完整手机号的 HMAC 值，满足业务场景下的精确查找需求。 该方案通过将敏感数据与搜索索引解耦，在不暴露原始数据的前提下，有效平衡了数据安全合规性与业务检索性能，为开发者处理敏感个人信息查询提供了参考。