zk-img：用零知识证明对抗深度伪造技术

在过去的几年中，用于恶意目的的 deepfakes 的使用激增。Deepfakes 被用来 从毫不知情的投资者那里盗取资金，甚至 让士兵投降。Deepfakes 的兴起部分是由于生成性人工智能 (AI) 方法的兴起，如 Stable Diffusion。随着这些 AI 方法变得越来越强大，一个重要的问题浮现出来：我们如何能够信任我们所看到的图像的有效性？

deepfake 的示例（来自 这里）。

为了验证图像是否由真实相机拍摄，已经采取了一些措施。有证明的相机 可以通过数字签名证明某个图像是由特定传感器拍摄的。然而，大多数在互联网上发布的照片都经过编辑，以去除敏感信息并改善图像的可读性。这些编辑没有由相机证明，必须以其他方式进行验证。最近的工作建议使用零知识证明来验证这些图像编辑，特别是 ZK-SNARKs（零知识简洁非交互知识论证）。ZK-SNARKs 可以证明图像上的编辑是合法的。

不幸的是，这项研究 关于 图像的 ZK-SNARKs 存在几个缺陷。首先，它们需要公开原始或中间图像 ¹ ² 。这破坏了原始图像的隐私，并可能泄露敏感信息！ 第二，它们不够实用，只能处理小于 128x128 的图像 ¹ ²。第三，它们需要自定义加密论证 ¹ ³ 或可信的第三方 ³ 。

为了解决这些问题，我们构建了 zk-img，它允许图像编辑得到验证，而无需 在信任上做出假设，并 保持原始/中间图像的私密性。zk-img 也是高效的；这是第一个可以私密且安全地验证任意 高清图像 转换的库。

在这篇博文中，我们将简要描述zk-img的内部结构，并说明其使用方法。有关更多详细信息，请阅读我们的 论文。

使用 zk-img

在描述 zk-img 之前，我们首先要说明为什么需要 zk-img。

隐藏原始图像

在大多数情况下，必须隐藏原始图像。原始图像可能包含敏感或令人尴尬的信息，需要进行编辑。例如，下面的小猪嘴里带有敏感信息：

作者：https://thesmartlocal.jp/pig-balancing-on-ball-japan/

我们如何在同时让图像消费者能够验证转换是诚实完成的同时，保持原始图像的隐藏呢？

zk-img通过在ZK-SNARK内计算原始图像及转换本身的哈希值来实现这一点。它只公开原始图像的哈希值和输出图像。由于 ZK-SNARKs 允许验证者确信计算是正确的，因此图像消费者可以验证哈希是否正确计算以及转换。我们在下面说明该过程：

这里，H1 和 H2 分别是原始图像和中间图像（裁剪和调整大小后）的哈希值。由于仅释放中间图像的哈希值，因此隐私得以保留。

隐藏原始和输出图像

在某些情况下，原始图像和输出图像都必须被隐藏。例如，图像制作人可能希望证明他们在某个时间点之前拍摄了一张图像，并在发布输出图像之前公开哈希值。生物识别识别系统可能希望隐藏原始和编辑后的图像，但仍能证明这些图像来自经过认证的来源。

zk-img通过计算原始和转换图像的哈希值来实现这一点。它只公开哈希值，而不公开图像。

zk-img 是如何工作的

现在我们描述了如何在多种场景中使用 zk-img，接下来我们将阐述 zk-img 的内部工作原理。

从应用开发者的角度来看，zk-img 接收来自有证明相机的图像、图像转换的序列，以及最终图像是否应该被公开作为输入。给定这些输入，zk-img 生成转换的 ZK-SNARK。

我们构建 zk-img 利用最近在证明系统方面的进展，这些进展在效率和可用性上得到显著提升。特别地，我们使用 halo2 库构建了 zk-img。在内部，zk-img 拥有标准化的图像转换接口，因此可以组合它们。该接口允许添加超出当前在 zk-img 中实现的图像转换。

zk-img 的标准化接口至关重要，因为它允许注册用户可以信任的有效转换。目前我们已实现以下转换：

开发者可以将其他实现添加到 zk-img 的注册表中！

为了有效地实现这些转换，我们利用了基于 Plonkish 计算法的特性，halo2 本身就是建立在此基础之上。有关详细信息，请参阅我们的 论文。

基准测试

我们对高清图像的 zk-img 进行了基准测试，其大小超过了这个领域早期工作的 50 倍。我们首先基准测试了 zk-img 在输入隐私保护转换下的表现：

尽管证明时间较高，验证时间却低至 4.59 毫秒！验证成本低到可以在设备上执行。

在同时保持输出图像隐藏时，成本也会增加：

然而，验证时间仍然很小，最多需要 9.32 毫秒。

在我们的 论文 中，我们展示 zk-img 的验证速度比先前工作快了几个数量级，证明速度最快提高了 112 倍，验证速度提高了 94 倍。

结论

世界正变得越来越互联，信息传播的速度比以往任何时候都快。今年，乌克兰冲突前线的图像在社交媒体上迅速传播。与真实信息夹杂在一起，还有恶意图像。

想象一下，如果互联网上的每一张图像都经过认证。社交媒体平台可以指明哪些图像经过认证，哪些没有。此外，任何人都可以在 他们自己的计算机上 验证某幅图像是否来自真实相机！

作为实现这一愿景的第一步，我们构建了 zk-img。zk-img 可以安全且私密地证明图像转换，同时保持原始图像的隐藏。通过对这些转换进行优化，zk-img 的效率比先前的工作快几个数量级。有关更多详细信息，请参见我们的 论文，并期待我们即将发布的代码！

作者：Daniel Kang、Tatsunori Hashimoto、Ion Stoica 和 Yi Sun

• 原文链接： medium.com/@danieldkang/...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～