2023年 ZK Hack以及ZK Summit 亮点记

文章探讨了FoldingSchemes,如Nova、SuperNova和Sangria在零知识证明领域的应用,尤其是它们如何通过组合未经证明的实例实现IncrementallyVerifiableComputation。此外,提到了RedWedding策略,它尝试将STARK系统的验证工作转移给证明者以缩短验证时间。LogUp算法在批量查找论证中的优化降低了lookuptable的列数需求。最后,文章讨论了使用MersennePrime构建Plonky3的挑战及可能的解决方案,包括在有限域计算和NTT上的应用改进。

1. Folding Schemes:Nova, SuperNova 以及 Sangria

前序博客有:

参考资料见:

这可能是当前zk研究中最重要的新兴思想。
传统思想为证明每个instance,然后将这些results rolling up。而与此形成鲜明对比的为:

  • Folding Schemes(Nova, SuperNova 以及 Sangria)系列方案通过将未经证明的instance combine来实现Incrementally Verifiable Computation (IVC)。
    • Nova引入了将R1CS instances合并的技术。
    • SuperNova将Nova推广为支持任意指令集。
    • Sangria采用相同的技术来合并(relaxed)PLONK instances。

很自然产生的一个研究问题是:

  • 能否将Folding Schemes技术用于AIR-FRI STARKs?
    • 当前答案并不明朗,因为Folding Schemes技术需依赖于类似KZG等的同态加密方案。

2. The Red Wedding

参考资料见:

该思想由TritonVM团队提出,致力于通过将STARK系统中Verifier的工作转移给Prover,以 降低验证时长。特别地,Prover会生成一个SNARK proof,以 减轻Verifier 在DEEP query point evaluate the AIR constraints的工作。

相关研究问题有:

  • inner SNARK verification的计算开销 与 与其致力于替代的AIR evaluation计算开销 的对比情况?
  • 在inner SNARK中应采用哪种承诺方案?
  • SNARK verification所包含的范围有哪些?除AIR constraint evaluation之外,是否还应包含arithmetic运算或哈希运算?

3. LogUp: Batched Lookup Arguments

参考资料有:

对于Prover重复做相同lookup的场景下,与PLOOKUP相比,LogUp算法可将lookup table中所需的列数减少约50%。RISC Zero中有约30%的witness-generation用于生成基于PLOOKUP lookup argument所需的列,未来RISC Zero团队会考虑使用LogUp算法。

这里的前提是,通过使用logarithmic derivatives,可将grand product accumulation 转化为(更便宜的)grand sum accumulation。LogUp论文(Orbis Labs和Polygon Zero团队2023年3月论文Multivariate lookups based on logarithmic derivatives)从multivariate IOP(多变量IOP)的角度阐述了这项技术;Tip5论文(Neptune和Polygon团队 2023年论文 The Tip5 Hash Function for Recursive STARKs)描述了该技术的一个版本,使其更适合单变量场景。

4. The Mersenne Prime 2 31 − 1 2^{31}-1 2311

参考资料有:

在2023年3月的Devner,Daniel Lubarov 讨论了使用order为 2 31 − 1 2^{31}-1 2311的有限域来构建Plonky3的想法。该有限域尤其适合用于处理有限域计算,因为 2 31 = 1 2^{31}=1 231=1。主要障碍在于该有限域对NTT不友好,因为 2 31 − 2 2^{31}-2 2312分解后不具有很多2。

有其它选项来使Mersenne Prime 2 31 − 1 2^{31}-1 2311可用么?

期待Polygon Zero团队在该领域的推进。

参考资料

[1] RISC Zero团队 Paul Gafni 2023年4月博客 Reflection on ZK Hack & ZK Summit

内容概要:本文系统阐述了Python在数据分析与可视化领域的技术实践,涵盖数据分析基础、数据探索方法、可视化技术原理、高级可视化应用及实战案例五大方面。文章首先介绍NumPy和Pandas在数据处理与描述性统计中的核心作用,继而讲解相关性分析、分布分析和分组对比等探索性分析方法。随后深入剖析Matplotlib、Seaborn和Plotly三大可视化库的技术特点与应用场景,涵盖静态图表、统计图形到交互式可视化。最后通过交通数据的实战案例,演示从数据预处理、探索分析到多维度可视化呈现的完整流程。; 适合人群:具备Python基础、对数据处理与可视化感兴趣的初中级开发者,以及从事数据分析、运营分析、数据科学研究等相关工作的人员;尤其适合工作1-3、希望提升数据实战能力的研发人员。; 使用场景及目标:①掌握Pandas进行数据清洗、分组聚合与描述性统计的方法;②熟练运用Matplotlib、Seaborn和Plotly实现多样化数据可视化;③通过真实案例理解探索性数据分析流程并构建交互式仪表盘;④应用于业务报表开发、数据洞察挖掘和决策支持系统建设。; 阅读建议:建议结合代码实践同步学习,重点理解不同可视化工具的适用边界,并在实战中尝试迁移应用文中案例逻辑,强化对数据分布识别、多维分析和交互设计的理解。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值