这篇博客文章是关于使用SNARKs验证FHE引导(Bootstrapping)的研究,旨在提高FHE的实际应用性。
这篇文章为初学者提供了关于椭圆曲线密码学(ECC)的入门介绍,包括基本概念、操作和实际应用示例。文章通过定义关键术语、解释椭圆曲线的数学原理、讲解ECC的单向性以及Diffie-Hellman密钥交换算法,帮助读者理解ECC如何用于保护信息安全。整体内容系统且易于理解。
文章介绍了Binius,一种在二进制域上高效生成证明的系统,详细解释了其技术原理、实现方法及其相较于SNARKs和STARKs的优势。
本文详细介绍了有限域在零知识证明电路中的应用,包括有限域的定义、模运算、加法逆元、乘法逆元等概念,并通过代码示例展示了如何在Python中实现这些操作。
Pairings, KZG, SNARK
本文深入探讨了在Rank-1约束系统(R1CS)中列编码与行编码的优缺点,特别是在零知识证明(ZKP)的背景下。列编码通过创建简单的多项式来简化计算,较低的多项式度数使其在计算上更高效,适合加密应用,而行编码则因多项式复杂度高而较少使用。
Ingonyama 于 2024 年 4 月 11 日举办了 ZK Accelerate Athens,重点关注 ZK 工程和产品。活动包括 16 场技术讲座、演示和 3 场小组讨论。涵盖了 STWO 性能、去中心化证明层、zkEVM、隐私协议、硬件加速等多个主题,展示了 ZK 领域的最新进展。
本文介绍了Ingonyama团队在2023年ZPrize竞赛中获得第一名的基于FPGA的MSM加速方案。该方案首次在加速器平台上实现了批量仿射椭圆曲线加法,显著降低了MSM的计算负担。该设计在AMD Alveo U250 FPGA上实现了高性能,支持BLS12-381和BLS12-377曲线,并在未来异构计算中具有广阔的应用前景。
文章介绍了在零知识证明中使用的算术电路(Arithmetic Circuits)与布尔电路(Boolean Circuits)的对比,并展示了如何将算术电路用于求解NP问题。文章详细解释了算术电路的原理、实现方法,并提供了多个具体示例,如三色图问题和排序列表问题。
关于陈算法的再更新
陈一镭 (Yilei Chen) 撰写的e-print论文《格问题的量子算法》,引起了密码学学术界的轰动。
本质上,零知识证明技术可以将区块链去信任化,从经济学假设,带入到基于密码学假设中,实现链下数据可用性、原生抽象账户钱包等原生功能进一步扩展,尤其是为以太坊等底层链正面临的扩容和隐私保护相关问题提供了解决方案,甚至是,唯一解决方案。
现实中的签名有很多,简单举个例子:比如你小时候,考试不及格,老师常常会让你带着试卷在回去给你爸妈签名,以表示对你成绩的认可。那么这种签名可能会导致你乱认爸爸,老师也不容易验证你家长的签名。椭圆曲线数字签名是可以验证的。公式,函数图像如下图。4a3+27b2!=0,保证了图像上的
本文介绍了对 rapidsnark 进行 GPU 加速的动机、背景和性能。通过将硬件加速集成到 rapidsnark 中,性能达到了 CPU 版本的约 4 倍。主要针对 NTT 和 MSM 计算进行优化,Orbiter Finance 团队开源了加速后的 rapidsnark 代码。
Zama 团队发布了 TFHE-rs (v0.6)、Concrete (v2.6)、Concrete ML (v1.5) 和 fhEVM (v0.4) 的新版本。
文章介绍了Jolt,一个新的SNARK设计方法,其在性能和可扩展性上优于现有zkVM,速度提升可达2倍。Jolt通过采用sum-check协议和多变量多项式来解决当前zkVM设计的复杂性和低效问题,旨在提升SNARK的开发体验,降低错误概率,并简化扩展工作。
Concrete v2.6 版本发布,引入了近似可编程引导启动(PBS)、输入压缩、增强的函数组合以及更快的模拟,以及 ternary-if, Relu, 和 Sign 函数。近似 PBS 通过不精确的舍入加速 TLU 运算;输入压缩通过种子加密进一步优化带宽和磁盘空间;增强的函数组合通过模块实现更灵活的加密数据处理。此外,仿真速度也得到了显著提升。
Zama 发布了 fhEVM v0.4 版本,引入了新的加密类型(ebool、euint4、euint64、eaddress)和异步解密API,通过 oracle 实现解密请求和回调,提升性能和效率。同时发布了fhEVM标准合约库 fhevm-contracts,包含ERC20和DAO等基础合约,简化开发流程。
TFHE-rs v0.6 版本引入了零知识证明技术,增强了 GPU 对有符号整数运算的支持,并引入了加密随机数生成等新的加密功能。该版本现在包含 Marc Joye 提出的公钥方案,并生成零知识证明以验证公钥加密过程的正确性。此外,新版本还支持 GPU 上的有符号整数运算,并改进了 GPU 用户的多位 PBS。
Concrete ML v1.5版本发布,引入了新的DataFrame API,支持在加密存储的数据上工作,并增加了加速神经网络的新选项,速度可提高2-3倍。同时,发布了一个新的演示,展示如何安全地匿名化文本数据,以便在使用ChatGPT查询知识库时不会泄露任何个人身份信息。该版本旨在推动隐私保护的机器学习和加密协作。
扫一扫 - 使用登链小程序
489 篇文章,625 学分
197 篇文章,600 学分
412 篇文章,457 学分
128 篇文章,450 学分
66 篇文章,367 学分