libsnark源代码,建议想深入零知识证明的小伙伴都读一读。Bellman库主要围绕Groth16算法,libsnark给出了SNARK相关算法的全貌,各种Relation,Language,Proof System。为了更好的生成
libsnark源代码,建议想深入零知识证明的小伙伴都读一读。Bellman库主要围绕Groth16算法,libsnark给出了SNARK相关算法的全貌,各种Relation,Language,Proof System。为了更好的生成R1CS电路,libsnark抽象出protoboard和gadget,方便开发者快速搭建电路。
本文中使用的libsnark源代码的最后一个commit如下:
commit 477c9dfd07b280e42369f82f89c08416319e24ae Author: Madars Virza <madars@mit.edu> Date: Tue Jun 18 18:43:12 2019 -0400 Document that we also implement the Groth16 proof system.
源代码在libsnark目录下:
common - 定义和实现了一些通用的数据结构,例如默克尔树,稀疏向量等等。
relations - relation描述了“约束”关系。除了我们通常说的R1CS外,还有很多其他约束的描述语言。
reductions - 各种不同描述语言之间的转化。
knowledge_commit - 在multiexp的基础上,引入pair的概念,两个基点一个系数,计算结果称为一个pair。
zk_proof_systems - 零知识证明中的各种证明系统(包括Groth16,GM17等等)。
gadgetlib1/gadgetlib2 - 为了更方便的构建R1CS,libsnark抽象出一层gadget。已有的gadget,可以方便地整合搭建出新的电路。
需要零知识证明的问题都是NP问题。NP问题中有一类问题NPC(NP-complete)问题。所有的NP问题都可以转化为一个NPC问题。只要有一个NPC问题能多项式时间内解决,所有的NP问题都能多项式时间内解决。描述一个NPC问题,有多种方式。描述NPC问题的方式,称为“language”。Relation指的是一个NPC问题和该问题的解的关系。
libsnark库总结了几种描述语言:
constraint satisfaction problem类
R1CS - Rank-1 Constraint System
USCS - Unitary-Square Constraint System
circuit satisfaction problem类
BACS - Bilinear Arithmetic Circuit Satisfiability
TBCS - Two-input Boolean Circuit Satisfiability
ram computation类
RAM是Random Access Machine的缩写。libsnark总结了两种RAM计算框架:
tinyRAM
fooRAM
arithmetic program类
QAP - Quadratic Arithmetic Program(GGPR13)
SQP - Square Arithmetic Program(GM17)
SSP - Square Span Program (DFGK14)
先介绍实现各种语言中需要的“variable” (variable.hpp/variable.tcc),再详细介绍R1CS以及QAP语言。
template <typename FieldT>
class variable {
public:
var_index_t index;
...
};
varible的定义非常简单,描述一个variable,只需要记录一个varible对应的标号就行了。比如对应编号为index的variable,表示的是x_{index}变量。
linear_term描述了一个线性组合中的一项。线性组合中的一项由变量以及对应的系数组成:
template <typename FieldT>
class linear_term {
public:
var_index_t index;
FieldT coeff;
...
};
linear_combination描述了一个完整的线性组合。一个linear combination由多个linear term组成:
template <typename FieldT>
class linear_combination {
public:
std::vector<linear_term<FieldT> > terms;
...
};
R1CS定义在constraint_satisfaction_problems/r1cs/r1cs.hpp。R1CS约束就是满足以下形式的一个表达式:
< A , X > * < B , X > = < C , X >
X
是所有变量组合的向量,A/B/C
是和X等长的向量。<,>
代表的是点乘。一个R1CS系统由多个R1CS约束组成。
R1CS约束定义为:
template <typename FieldT>
class r1cs_constraint {
public:
linear_combination<FieldT> a, b, c;
...
};
一个R1CS约束,可以由a/b/c三个linear_combination表示。 一个R1CS系统中的所有变量的赋值,又分成两部分:primary input和auxiliary input。primary就是"statement", auxiliary就是“witness”。
template<typename FieldT>
using r1cs_primary_input = std::vector<FieldT>;
template<typename FieldT>
using r1cs_auxiliary_input = std::vector<FieldT>;
一个R1CS系统,包括多个R1CS约束。当然,每个约束的向量的长度是固定的(primary input size + auxiliary input size + 1)。
template<typename FieldT>
class r1cs_constraint_system {
public:
size_t primary_input_size;
size_t auxiliary_input_size;
std::vector<r1cs_constraint<FieldT> > constraints;
...
}
QAP定义在arithmetic_programs/qap/qap.hpp。libsnark采用的QAP的公式是:A*B-C=H*Z
。
template<typename FieldT>
class qap_instance {
private:
size_t num_variables_;
size_t degree_;
size_t num_inputs_;
public:
std::shared_ptr<libfqfft::evaluation_domain<FieldT> > domain;
std::vector<std::map<size_t, FieldT> > A_in_Lagrange_basis;
std::vector<std::map<size_t, FieldT> > B_in_Lagrange_basis;
std::vector<std::map<size_t, FieldT> > C_in_Lagrange_basis;
}
num_bariables_表示QAP电路的变量的个数。num_inputs_表示QAP电路的"statement"对应变量的个数。degree_表示A/B/C中每个多项式的阶的个数(和电路的门的个数相关)。
domain是计算傅立叶变换/反傅立叶变换的引擎,由libfqfft库实现。
何为Lagrange basis?
给定一系列的x和y的对应关系,通过拉格朗日插值的方式,可以确定多项式: p(x) = y_0l_0(x) + y_1l_1(x) + ... + y_nl_n(x) 其中l_0(x), l_1(x), ... l_n(x)就称为拉格朗日basis。
A_in_Lagrange_basis/B_in_Lagrange_basis/C_in_Lagrange_basis把一个电路中每个变量不同门的值整理在一起。举个例子,如下是x^3+x+5的电路对应的R1CS的约束:
该电路对应的A_in_Lagrange_basis/B_in_Lagrange_basis/C_in_Lagrange_basis为:
qap_instance描述的是一个QAP电路,A/B/C对应的多项式表达式(虽然是用Lagrange basis表示)。A/B/C多项式在一个点上的结果,用qap_instance_evaluation表示:
template<typename FieldT>
class qap_instance_evaluation {
private:
size_t num_variables_;
size_t degree_;
size_t num_inputs_;
public:
std::shared_ptr<libfqfft::evaluation_domain<FieldT> > domain;
FieldT t;
std::vector<FieldT> At, Bt, Ct, Ht;
FieldT Zt;
...
}
qap_instance_evaluation,记录了在t点上,A/B/C/H以及Z对应的值。
一个QAP电路,对应的primary/auxiliary,称为witness,定义为:
template<typename FieldT>
class qap_witness {
private:
size_t num_variables_;
size_t degree_;
size_t num_inputs_;
public:
FieldT d1, d2, d3;
std::vector<FieldT> coefficients_for_ABCs;
std::vector<FieldT> coefficients_for_H;
...
}
coefficients_for_ABCs就是witness。为了计算的方便,同时给出了对应的H多项式的系数。 在给定一个qap_instance_evaluation和一个qap_witness的前提下,可以通过is_satisfied函数确定,是否witness合理:
template<typename FieldT>
bool qap_instance_evaluation<FieldT>::is_satisfied(const qap_witness<FieldT> &witness) const
{
...
ans_A = ans_A + libff::inner_product<FieldT>(this->At.begin()+1,
this->At.begin()+1+this->num_variables(),witness.coefficients_for_ABCs.begin(),witness.coefficients_for_ABCs.begin()+this->num_variables());
ans_B = ans_B + libff::inner_product<FieldT>(this->Bt.begin()+1,
this->Bt.begin()+1+this->num_variables(),witness.coefficients_for_ABCs.begin(),witness.coefficients_for_ABCs.begin()+this->num_variables());
ans_C = ans_C + libff::inner_product<FieldT>(this->Ct.begin()+1,
this->Ct.begin()+1+this->num_variables(),witness.coefficients_for_ABCs.begin(),witness.coefficients_for_ABCs.begin()+this->num_variables());
ans_H = ans_H + libff::inner_product<FieldT>(this->Ht.begin(),
this->Ht.begin()+this->degree()+1,
witness.coefficients_for_H.begin(),
witness.coefficients_for_H.begin()+this->degree()+1);
if (ans_A * ans_B - ans_C != ans_H * this->Zt)
{
return false;
}
...
}
检查一个witness是否正确,就是计算wA*wB-w*C = HZ
是否相等。
Reduction实现了不同描述语言之间的转化。libsnark给出了如下一系列的转化实现:
以r1cs->qap为例,梳理一下Reduction的逻辑。从R1CS到QAP的转化逻辑在reductions/r1cs_to_qap/目录中,定义了三个函数:
r1cs_to_qap_instance_map函数实现了从一个R1CS实例到QAP instance的转化。转化过程比较简单,就是将系数重新整理的过程(可以查看2.5中的QAP的描述)。
r1cs_to_qap_instance_map_with_evaluation函数实现了从一个R1CS实例到qap_instance_evaluation的转化。给定t,计算A/B/C以及H/Z。
r1cs_to_qap_witness_map函数实现了从一个R1CS实例到qap_witness的转化。
template<typename FieldT>
qap_witness<FieldT> r1cs_to_qap_witness_map(const r1cs_constraint_system<FieldT> &cs,
const r1cs_primary_input<FieldT> &primary_input,
const r1cs_auxiliary_input<FieldT> &auxiliary_input,
const FieldT &d1,
const FieldT &d2,
const FieldT &d3)
在给定primary/auxiliary input的基础上,计算出witness(A/B/C以及H的系数)。d1/d2/d3在计算H系数提供扩展能力。Groth16计算的时候,d1/d2/d3取值都为0。 给定primary/auxiliary input,A/B/C的系数比较简单,就是primary/auxiliary input的简单拼接后的结果。
r1cs_variable_assignment<FieldT> full_variable_assignment = primary_input;
full_variable_assignment.insert(full_variable_assignment.end(), auxiliary_input.begin(), auxiliary_input.end());```
H多项式系数的计算相对复杂一些,涉及到傅立叶变换/反傅立叶变换。H多项式的计算公式计算如下: `H(z) := (A(z)*B(z)-C(z))/Z(z)`
其中,`A(z) := A_0(z) + w_1 A_1(z) + ... + w_m A_m(z) + d1 * Z(z),B(z) := B_0(z) + w_1 B_1(z) + ... + w_m B_m(z) + d2 * Z(z),C(z) := C_0(z) + w_1 C_1(z) + ... + w_m C_m(z) + d3 * Z(z), Z(z) = (z-sigma_1)(z-sigma_2)...(z-sigma_n)`(m是QAP电路中变量的个数,n是QAP电路门的个数)。特别强调的是,`A(z)/B(z)/C(z)` 是多个多项式的和,并不是每个变量对应的多项式。
1. 确定A和B的多项式(通过反傅立叶变换)
```cpp
for (size_t i = 0; i < cs.num_constraints(); ++i)
{
aA[i] += cs.constraints[i].a.evaluate(full_variable_assignment);
aB[i] += cs.constraints[i].b.evaluate(full_variable_assignment);
}
domain->iFFT(aA);
domain->iFFT(aB);
计算A和B,对应FieldT::multiplicative_generator的计算结果
domain->cosetFFT(aA, FieldT::multiplicative_generator);
domain->cosetFFT(aB, FieldT::multiplicative_generator);
确定C的多项式(通过反傅立叶变换)
for (size_t i = 0; i < cs.num_constraints(); ++i)
{
aC[i] += cs.constraints[i].c.evaluate(full_variable_assignment);
}
domain->iFFT(aC);
计算C,对应FieldT::multiplicative_generator的计算结果
domain->cosetFFT(aC, FieldT::multiplicative_generator);
计算H,对应FieldT::multiplicative_generator的计算结果
for (size_t i = 0; i < domain->m; ++i)
{
H_tmp[i] = aA[i]*aB[i];
}
for (size_t i = 0; i < domain->m; ++i)
{
H_tmp[i] = (H_tmp[i]-aC[i]);
}
domain->divide_by_Z_on_coset(H_tmp);
计算H多项式的系数(反傅立叶变换)
domain->icosetFFT(H_tmp, FieldT::multiplicative_generator);
libsnark提供了四种证明系统:
pcd (Proof-Carrying Data)
ppzkadsnark (PreProcessing Zero-Knowledge Succinct Non-interactive ARgument of Knowledge Over Authenticated Data)
ppzksnark (PreProcessing Zero-Knowledge Succinct Non-interactive ARgument of Knowledge)
zksnark (Zero-Knowledge Succinct Non-interactive ARgument of Knowledge)
著名的Groth16算法,属于ppzksnark。因为Groth16在证明之前,需要预处理生成CRS。ppzksnark证明系统又可以细分成好几种:
其中:
r1cs_gg_ppzksnark,gg代表General Group,就是Groth16算法。
r1cs_se_ppzksnark,se代表Simulation Extractable,就是GM17算法。
r1cs_ppzksnark,就是PGHR13算法。
以Groth16算法(r1cs_gg_ppzksnark)为例,梳理一下相关的逻辑。Groth16算法的相关逻辑在zk_proof_systems/ppzksnark/r1cs_gg_ppzksnark目录中。
r1cs_gg_ppzksnark_proving_key记录了CRS中在prove过程需要的信息。
template<typename ppT>
class r1cs_gg_ppzksnark_proving_key {
public:
libff::G1<ppT> alpha_g1;
libff::G1<ppT> beta_g1;
libff::G2<ppT> beta_g2;
libff::G1<ppT> delta_g1;
libff::G2<ppT> delta_g2;
libff::G1_vector<ppT> A_query;
knowledge_commitment_vector<libff::G2<ppT>, libff::G1<ppT> > B_query;
libff::G1_vector<ppT> H_query;
libff::G1_vector<ppT> L_query;
r1cs_gg_ppzksnark_constraint_system<ppT> constraint_system;
...
}
A_query是A(t)以G1生成元的multiexp的计算结果。
B_query是B(t)以G1/G2生成元的multiexp的计算结果。
H_query是如下的计算以G1位生成元的multiexp的计算结果:
H(t)*Z(t)/delta
L_query是如下的计算在G1位生成元的multiexp的计算结果:
(beta*A(t)+alpha*B(t)+C(t))/delta
也就是说,r1cs_gg_ppzksnark_proving_key给出了Groth16算法中CRS的如下信息(用蓝色圈出)
r1cs_gg_ppzksnark_constraint_system<ppT>
定义在zk_proof_systems/ppzksnark/r1cs_gg_ppzksnark/r1cs_gg_ppzksnark_params.hpp文件中。
template<typename ppT>
using r1cs_gg_ppzksnark_constraint_system = r1cs_constraint_system<libff::Fr<ppT> >;
也就是说,r1cs_gg_ppzksnark_constraint_system就是r1cs_constraint_system。
r1cs_gg_ppzksnark_verification_key记录了CRS中在verify过程需要的信息。
template<typename ppT>
class r1cs_gg_ppzksnark_verification_key {
public:
libff::GT<ppT> alpha_g1_beta_g2;
libff::G2<ppT> gamma_g2;
libff::G2<ppT> delta_g2;
accumulation_vector<libff::G1<ppT> > gamma_ABC_g1;
...
}
也就是说,r1cs_gg_ppzksnark_verification_key给出了Groth16算法中CRS的如下信息(用蓝色圈出)
r1cs_gg_ppzksnark_processed_verification_key和r1cs_gg_ppzksnark_verification_key类似。“processed"意味着verification key会做进一步处理,验证的过程会更快。
template<typename ppT>
class r1cs_gg_ppzksnark_processed_verification_key {
public:
libff::GT<ppT> vk_alpha_g1_beta_g2;
libff::G2_precomp<ppT> vk_gamma_g2_precomp;
libff::G2_precomp<ppT> vk_delta_g2_precomp;
accumulation_vector<libff::G1<ppT> > gamma_ABC_g1;
...
}
r1cs_gg_ppzksnark_keypair包括两部分:r1cs_gg_ppzksnark_proving_key和r1cs_gg_ppzksnark_verification_key。
template<typename ppT>
class r1cs_gg_ppzksnark_keypair {
public:
r1cs_gg_ppzksnark_proving_key<ppT> pk;
r1cs_gg_ppzksnark_verification_key<ppT> vk;
...
}
众所周知,Groth16的算法的证明包括A/B/C三个结果。
template
class r1cs_gg_ppzksnark_proof {
public:
libff::G1 g_A;
libff::G2 g_B;
libff::G1 g_C;
...
}
r1cs_gg_ppzksnark_generator 给定一个r1cs_constraint_system的基础上,r1cs_gg_ppzksnark_generator能生成r1cs_gg_ppzksnark_keypair,也就是生成CRS信息。
template<typename ppT>
r1cs_gg_ppzksnark_keypair<ppT> r1cs_gg_ppzksnark_generator(const r1cs_gg_ppzksnark_constraint_system<ppT> &cs);
给定了proving key以及primary/auxiliary input,计算证明的A/B/C结果。
template<typename ppT>
r1cs_gg_ppzksnark_proof<ppT> r1cs_gg_ppzksnark_prover(const r1cs_gg_ppzksnark_proving_key<ppT> &pk,
const r1cs_gg_ppzksnark_primary_input<ppT> &primary_input,
const r1cs_gg_ppzksnark_auxiliary_input<ppT> &auxiliary_input);
已知proving key的情况下,计算A/B/C的结果,相当简单:
/* A = alpha + sum_i(a_i*A_i(t)) + r*delta */
libff::G1<ppT> g1_A = pk.alpha_g1 + evaluation_At + r * pk.delta_g1;
/* B = beta + sum_i(a_i*B_i(t)) + s*delta */
libff::G1<ppT> g1_B = pk.beta_g1 + evaluation_Bt.h + s * pk.delta_g1;
libff::G2<ppT> g2_B = pk.beta_g2 + evaluation_Bt.g + s * pk.delta_g2;
/* C = sum_i(a_i*((beta*A_i(t) + alpha*B_i(t) + C_i(t)) + H(t)*Z(t))/delta) + A*s + r*b - r*s*delta */
libff::G1<ppT> g1_C = evaluation_Ht + evaluation_Lt + s * g1_A + r * g1_B - (r * s) * pk.delta_g1;
总共提供了四种验证函数,分成两类:processed/non-processed 和 weak/strong IC。processed/non-processed是指验证的key是否processed?weak/strong IC指的是,是否input consistency?Primary Input的大小和QAP的statement的大小相等,称为strong IC。Primary Input的大小小于QAP的statement的大小,称为weak IC。
以r1cs_gg_ppzksnark_verifier_strong_IC为例,在给定verification key/primary input的基础上,可以验证proof是否正确。
template<typename ppT>
bool r1cs_gg_ppzksnark_verifier_strong_IC(const r1cs_gg_ppzksnark_verification_key<ppT> &vk,const r1cs_gg_ppzksnark_primary_input<ppT> &primary_input,const r1cs_gg_ppzksnark_proof<ppT> &proof);
总的来说,Groth16的证明生成和验证的逻辑如下图:
可以看出,使用ZKSNARK(Groth16)证明,需要先创建一个r1cs_constraint_system。libsnark设计了Gadget的框架,方便搭建r1cs_constraint_system。
libsnark提供了两套Gadget库:gadgetlib1和gadgetlib2。libsnark中很多示例是基于gadgetlib1搭建。gadgetlib1也提供了更丰富的gadget。本文也主要讲解gadgetlib1的逻辑。gadgetlib1的相关代码在libsnark/gadgetlib1目录中。
protoboard是r1cs_constraint_system之上的一层封装。通过一个个的Gadget,向r1cs_constraint_system添加约束。为了让不同的Gadget之间采用统一的Variable以及Lc,protoboard通过”next_free_var"以及"next_free_lc“维护所有Gadget创建的Variable以及Lc。
template<typename FieldT>
class protoboard {
...
FieldT constant_term;
r1cs_variable_assignment<FieldT> values;
var_index_t next_free_var;
lc_index_t next_free_lc;
std::vector<FieldT> lc_values;
r1cs_constraint_system<FieldT> constraint_system;
...
}
libsnark提供了在pb_variable,pb_variable_array,pb_linear_combination和pb_linear_combination_array四个类。这四个类都是variable, linear_combination的封装,为了支持protoboard的管理。
gadget的定义非常的简单:
template<typename FieldT>
class gadget {
protected:
protoboard<FieldT> &pb;
const std::string annotation_prefix;
public:
gadget(protoboard<FieldT> &pb, const std::string &annotation_prefix="");
};
每一个具体的Gadget逻辑上需要做如下一些事情:
申请Variable或者Lc (allocate)
添加Gadget逻辑相关的约束(generate_r1cs_constraints)
生成相关的Witness(generate_r1cs_witness)
在gadgetlib1/gadgets目录下有很多Gadget的实现: 椭圆曲线计算,各种hash算法,merkle树的计算,配对函数等等。本文以basic gagdet中的两数比较(comparison gadget)为例,说明Gadget的基本逻辑。
comparison_gadget的定义在gadgetlib1/gadgets/basic_gadgets.hpp:
comparison_gadget(protoboard<FieldT>& pb,
const size_t n,
const pb_linear_combination<FieldT> &A,
const pb_linear_combination<FieldT> &B,
const pb_variable<FieldT> &less,
const pb_variable<FieldT> &less_or_eq,
const std::string &annotation_prefix="") :
gadget<FieldT>(pb, annotation_prefix), n(n), A(A), B(B), less(less), less_or_eq(less_or_eq)
{
alpha.allocate(pb, n, FMT(this->annotation_prefix, " alpha"));
alpha.emplace_back(less_or_eq); // alpha[n] is less_or_eq
alpha_packed.allocate(pb, FMT(this->annotation_prefix, " alpha_packed"));
not_all_zeros.allocate(pb, FMT(this->annotation_prefix, " not_all_zeros"));
pack_alpha.reset(new packing_gadget<FieldT>(pb, alpha, alpha_packed, FMT(this->annotation_prefix, " pack_alpha")));
all_zeros_test.reset(new disjunction_gadget<FieldT>(pb, pb_variable_array<FieldT>(alpha.begin(), alpha.begin() + n),not_all_zeros, FMT(this->annotation_prefix, " all_zeros_test")));
};
comparison_gadget的构造函数比较清晰:在给定两个n位的数A和B,输出两个变量:less和less_or_eq(A是否小于B?)。
构造函数,主要是创建其他变量以及Gadget。 alpha是长度为n+1的变量数组,其中alpha[n]是less or eq。
alpha是2^n+B-A的结果的位的表示。alpha_packed是一个变量,alpha对应的值。也就是,alpha_packed等于2^n+B-A。
not_all_zeros是一个变量,表示B-A的结果是否全是0。
pack_alpha是packing_gadget,将n+1位的alpha打包,计算结果存储在alpha_packed变量中。packing_gadget就是将位表示的数据,变成数值表示。
all_zeros_test是disjunction_gadget,确定alpha的n个变量中是否全0。
comparison_gadget的generate_r1cs_constraints函数负责添加约束。
template<typename FieldT>
void comparison_gadget<FieldT>::generate_r1cs_constraints()
{
generate_boolean_r1cs_constraint<FieldT>(this->pb, not_all_zeros, FMT(this->annotation_prefix, " not_all_zeros"));
pack_alpha->generate_r1cs_constraints(true);
this->pb.add_r1cs_constraint(r1cs_constraint<FieldT>(1, (FieldT(2)^n) + B - A, alpha_packed), FMT(this->annotation_prefix, " main_constraint"));
all_zeros_test->generate_r1cs_constraints();
this->pb.add_r1cs_constraint(r1cs_constraint<FieldT>(less_or_eq, not_all_zeros, less), FMT(this->annotation_prefix, " less"));
}
a. 对not_all_zeros,添加boolean约束(该变量只能是0或者1)
b. pack_alpha->generate_r1cs_constraints(true) 约束alpha对应的数值等于alpha_packed。
c. 1*(2^n+B-A) = alpah_packed
d. 确定not_all_zeros变量的值和alpha中n个变量中是否为0的结果一致
e. less_or_eq * not_all_zeros = less
整个comparison_gadget的电路逻辑如下图所示:
comparison_gadget的设计思想是:
如果B - A > 0, 则2^n + B - A > 2^n, less_or_eq = 1, not_all_zeros = 1
如果B - A = 0, 则2^n + B - A = 2^n, less_or_eq = 1,not_all_zeros = 0 如果B - A 也就是说,less_or_eq * not_all_zeros = less。
简单的说,两个数的“大小“比较,是通过2^n + B - A的计算结果的相应的一些”符号“位相乘确定。
comparison_gadget的generate_r1cs_witness函数生成电路的witness。comparison_gadget的test_comparison_gadget函数是comparison gadget的测试函数,相对比较容易理解,小伙伴可以自行查看源码。
总结: libsnark库代码层次非常清晰。最重要的是,libsnark给出了SNARK相关算法的全貌,各种Relation,Language,Proof System。为了更好的生成R1CS电路,libsnark抽象出protoboard和gadget,方便开发者快速搭建电路。
最近一个月发生好多事情。原有的合作关系的结束,新的合作关系的开始。创业变化就是快。期间,我也自己问自己,自己该何去何从?彷徨,犹豫,对未知的未来,我也不确定。但是,内心有种强烈的感觉,告诉自己,有想法,就去干,保持好奇。也许,内心深处,总有一丝侥幸,万一能走出一条路呢。也许,真的就成了呢?
本文作者为深入浅出区块链共建者:Star Li,他的公众号星想法有很多原创高质量文章,欢迎大家扫码关注。
学习中如遇问题,欢迎到区块链技术问答提问,这里有老师为你解惑。
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!