零知识证明之书

2025年02月27日更新 28 人订阅
原价: ¥ 144 限时优惠
专栏简介 P vs NP 及其在零知识证明中的应用 ZK的算术电路 用于零知识证明的有限域与模运算 为程序员准备的基础集合论 抽象代数 程序员的基本群论 同态映射 椭圆曲线点加法 有限域上的椭圆曲线 Python、Solidity 和 EVM 中的双线性配对(Bilinear Pairings) 将代数电路转换为R1CS(一阶约束系统) 从R1CS构建零知识证明 使用Python实现拉格朗日插值 Schwartz-Zippel 引理及其在零知识证明中的应用 二次算术程序 在Python中将R1CS转换为有限域上的二次算术程序(QAP) 可信设置 在可信设置中评估和二次算术程序 Groth16 详解 Circom 零知识电路简介 Circom 之 Hello World Circom模板参数、变量、循环、If语句、断言 二次约束 - Circom Circom中的符号变量 Circom 中间信号与子组件 先指示再约束 - 在 Circom 中复杂约束条件的方法 先计算,后约束 - ZK 电路设计模式 Circom循环中的组件 使用虚假证明攻击欠约束的Circom电路 Circomlib中的AliasCheck和Num2Bits strict Circom 中的条件语句 Quin Selector(选择器) ZK 中有状态计算简介 在Circom中交换数组中的两个条目 选择排序的零知识证明 在 ZK 中建模栈数据结构 - 如何在 Circom 中创建一个堆栈 ZKVM 的工作原理 ZK中的32位仿真 Circom 中的 MD5 哈希 零知识证明友好的哈希函数 排列论证 - The Permutation Argument Tornado Cash 的工作原理(开发者逐行解析) BulletProofs 详解 什么是Pedersen承诺及其工作原理 多项式承诺通过 Pedersen 承诺实现 零知识乘法 内积的零知识证明 向量承诺的简洁证明 对数大小的承诺证明 Bulletproofs零知识证明:内积的零知识与简洁证明 内积代数 通过随机线性组合减少等式检查(约束)的数量 范围证明

可信设置

  • RareSkills
  • 发布于 2024-08-28 11:41
  • 阅读 788

文章介绍了ZK-SNARKs中使用的可信设置机制,详细解释了如何在保密值上计算多项式,并提供了Python代码示例。

A trusted setup 是 ZK-SNARKs 用于在一个秘密值上评估多项式的机制。

观察到多项式 $f(x)$ 可以通过计算系数与 $x$ 的连续幂的内积来评估:

例如,如果 $f(x)=3x^3+2x^2+5x+10$,则系数为 $[3,2,5,10]$,我们可以按如下方式计算多项式:

$$ f(x)=\langle[3,2,5,10],[x^3,x^2,x, 1]\rangle $$

换句话说,我们通常认为评估上述多项式的 $f(2)$ 为:

$$ f(2)=3(2)^3+2(2)^2+5(2)+10 $$

但我们也可以将其评估为:

$$ f(2)=\langle[3,2,5,10],[8,4,2,1]\rangle = 3\cdot8+2\cdot4+5\cdot2+10\cdot1 $$

现在假设某人选择了一个秘密标量 $\tau$ 并计算:

$$ [\tau^3,\tau^2,\tau,1] $$

然后将这些点与一个加密椭圆曲线群的生成点相乘。结果如下:

$$ [\Omega_3, \Omega_2, \Omega_1, G_1]=[\tau^3G_1,\tau^2G_1,\tau G_1,G_1] $$

现在任何人都可以使用 结构参考字符串 (SRS) $[\Omega_3, \Omega_2, \Omega_1, G_1]$ 在 $\tau$ 上评估一个三次(或更低)多项式。

例如,如果我们有一个二次多项式 $g(x)=4x^2+7x+8$,我们可以通过将结构参考字符串与多项式的内积来评估 $g(\tau)$:

$$ \langle[0,4,7,8],[\Omega_3, \Omega_2, \Omega_1, G_1]\rangle = 4\Omega_2 + 7\Omega_1 + 8G_1 $$

我们现在已经计算了 $g(\tau)$ 而不需要知道 $\tau$ 是什么!

这也被称为 trusted setup ,因为虽然 我们 不知道 $g(\tau)$ 的离散对数是什么,但创建结构参考字符串的人知道。这可能会导致信息泄露,因此我们 相信 创建 trusted setup 的实体删除了 $\tau$,并且以任何方式都不记得它。

Python 示例


from py_ecc.bn128 im...

剩余50%的内容订阅专栏后可查看

点赞 0
收藏 0
分享
本文参与登链社区写作激励计划 ,好文好收益,欢迎正在阅读的你也加入。

0 条评论

请先 登录 后评论