Con el rápido desarrollo de la tecnología blockchain, la privacidad y la seguridad de los datos se han convertido en una cuestión central. El aprendizaje automático de conocimiento cero (ZKML), como tecnología emergente, combina de manera efectiva la seguridad de la prueba de conocimiento cero (ZKP) y la inteligencia del aprendizaje automático (ML), brindando oportunidades sin precedentes al mundo Web3.
Actualmente, la tecnología ZKML se usa ampliamente en el campo blockchain, e incluye principalmente los siguientes aspectos:
Aceleración de hardware: debido a la complejidad computacional de las pruebas ZK, algunos proyectos, como Cysic y Ulvetanna, utilizan la aceleración de hardware para mejorar la eficiencia de los cálculos en cadena.
Procesamiento de datos en cadena: proyectos como Axiom, Herodotus, etc. se centran en convertir datos en cadena a un formato adecuado para el entrenamiento de ML y garantizar que se pueda acceder fácilmente a los resultados de ML desde la cadena.
Circuitización informática: para permitir que blockchain ZK procese los cálculos de ML, algunos proyectos, como Modulus Labs, Jason Morton, etc., convierten los modelos de cálculo de ML en forma de circuito.
Prueba de resultados ZK: para resolver el problema de confianza de los modelos ML, proyectos como RISC Zero, Axiom, etc. utilizan pruebas basadas en ZK-SNARK para verificar la autenticidad del modelo.
Actualmente, ZKML se está desarrollando rápidamente y puede ayudar a construir DID de identidad descentralizada Web3 en campos de aplicación. Anteriormente, los modelos de gestión de identidad, como claves privadas y palabras mnemotécnicas, hacían que la experiencia del usuario de Web3 fuera deficiente. La construcción de DID reales se puede completar a través de ZKML para identificar la información biométrica del sujeto de Web3. Al mismo tiempo, ZKML puede garantizar la seguridad de la privacidad de la información biométrica del usuario. Worldcoin está aplicando ZKML para implementar la verificación DID de conocimiento cero basada en el escaneo del iris.
Este artículo comenzará con los dos casos de Worldcoin y Vanna, explorará en profundidad el desarrollo y los desafíos de la tecnología ZKML y promoverá la aplicación generalizada y la prosperidad de esta tecnología en el campo blockchain.
1. Estudio de caso de Worldcoin: Aplicación de ZKML en autenticación de identidad y protección de la privacidad
DApp se conecta a Worldcoin
Worldcoin ID se puede utilizar para la autenticación de identidad. Worldcoin proporciona un SDK de IDKit para la autenticación de identidad mediante la aplicación World. El proceso específico es el siguiente:
Después de procesar el proceso anterior, la información biométrica del usuario se utiliza como credencial de inicio de sesión y, finalmente, se genera una prueba utilizada para demostrar la identidad en la aplicación Worldcoin.
Aplicaciones ZKML en Worldcoin
Aplicación de ML en Worldcoin
Verifique que el usuario haya creado un WorldID válido y único localmente ejecutando el modelo IrisCode en datos biométricos autohospedados (terminal de usuario) y llamando a la función _addMember(uint256 groupId, uint256 IdentityCommitment en el grupo de identidad WorldID Semaphore con un compromiso de identidad válido) para que protocolo público sin permisos.
Aplicación de ZK en Worldcoin
Proceso de registro
Durante el proceso de registro de Worldcoin, el usuario genera un WorldID mediante el escaneo del iris y llama a la función _addMember en el grupo de identidad de Semaphore con un compromiso de identidad válido para lograr acceso público y sin permiso al protocolo.
Secuenciador de registro: El secuenciador de registro clasifica los datos (identidades) enviados a los contratos inteligentes de Ethereum en lotes.
Semaphore MTB: SMTB es un servicio para el procesamiento por lotes de actualizaciones del árbol Merkle. Acepta actualizaciones del árbol Merkle y las agrupa en una única actualización. Esto es útil para reducir la cantidad de transacciones que deben enviarse a la cadena de bloques. La exactitud de las actualizaciones por lotes del árbol Merkle se puede garantizar generando SNARK.
Tx Sitter: firma transacciones y envíalas a blockchain
Las entradas de prueba son un anulador externo (valor público de 32 bytes que abarca la unicidad de las verificaciones) y un anulador de identidad secreto, en función del cual se calcula el hash del anulador para la identificación del usuario.
Proceso de inicio de sesión
Durante el proceso de inicio de sesión, el anulador de identidad enviado por el usuario se convertirá en prueba. Este proceso es similar a zkrollup. Después de que el usuario envía el anulador de identidad, se agregan y publican múltiples actualizaciones de estado de Merkle en la cadena de bloques.
Resumir
La implementación técnica de Worldcoin implica múltiples niveles, incluida la operación local del modelo IrisCode, la generación de un anulador externo, el procesamiento por lotes de Semaphore MTB y el procesamiento de transacciones de Tx Sitter. Debido a que el proceso de ejecutar el modelo IrisCode para convertir el iris en World ID ocurre en el terminal del usuario, esta parte no la ejecutan nodos externos para proteger la privacidad del usuario. La combinación de estas tecnologías permite a Worldcoin lograr una verificación de identidad eficiente y segura al tiempo que protege la privacidad del usuario.
El caso de Worldcoin demuestra el potencial y la eficacia de la tecnología ZKML en aplicaciones prácticas. Al combinar pruebas de conocimiento cero y aprendizaje automático, Worldcoin no solo mejora la seguridad de la verificación de identidad, sino que también brinda un sólido soporte para la protección de la privacidad del usuario.
Este caso proporciona una valiosa referencia e inspiración para otros proyectos de blockchain.
2.Vanna Network y ZKML: razonamiento y verificación inteligentes en Blockchain
Descripción general de la red Vanna
Vanna Network es una innovadora plataforma blockchain centrada en proporcionar servicios eficientes de generación y verificación de pruebas de conocimiento cero. Combina la transparencia y la inmutabilidad de blockchain con las características de protección de la privacidad de las pruebas de conocimiento cero para brindar a los usuarios un entorno de procesamiento de datos seguro y confiable.
Características de la red Vanna
Consulta de datos: acceda a los datos del feed de Oracle o al estado en cadena a través de consultas entre cadenas en contratos inteligentes.
Preprocesamiento: aproveche el precompilador integrado de Vanna para preprocesar los datos sin procesar para su consulta en preparación para la inferencia.
Ejecución inferencial: ejecute inferencias sin problemas y de forma escalable con cualquier nivel de seguridad criptográfica que se adapte a su caso de uso.
Verificación de inferencia: todas las pruebas criptográficas que garantizan la inferencia son verificadas por nodos validadores en la red Vanna.
Publicación y trazabilidad: los resultados de la inferencia se pueden entregar a contratos en cualquier cadena a través de mensajes entre cadenas y publicarse en la capa de disponibilidad de datos.
Funciones de la red Vanna
Preejecución de inferencia paralela
Dividido en tres etapas:
Fase 1: Simulación
Vanna ejecuta cada transacción a través del simulador para descubrir qué solicitudes de inferencia realizará la transacción. Aquí no se implementa.
Fase 2: grupo de memoria de razonamiento
Las transacciones y sus solicitudes de inferencia se agregan al grupo de memoria de inferencia, que envía las solicitudes al nodo de inferencia de Vanna. Aquí es necesario realizar el razonamiento y la prueba.
Fase 3: ejecución de EVM
Inyecte el resultado de la inferencia en el EVM para que las transacciones puedan leerlo directamente como cualquier otra variable. Luego, la transacción se ejecuta y se envía a la cadena de bloques.
Verificar la separación del cálculo
Vanna Network utiliza dos tipos de nodos, a saber, nodos de verificación y nodos de inferencia, y bifurca los cálculos de verificación e inferencia de la red a dos tipos de nodos respectivamente.
Nodos de validación: los nodos acumulativos validan de forma independiente las transacciones y verifican el estado de la red Vanna. Los nodos acumulativos de la red Vanna también participan en la validación de pruebas criptográficas generadas por los nodos de inferencia.
Nodos de inferencia: los nodos de inferencia no verifican transacciones y bloques en la red, sino que solo se centran en calcular inferencias de IA/ML y generar pruebas criptográficas para las inferencias.
Promesa y castigo
Vanna Network proporciona seguridad criptoeconómica en forma de contratos de participación en la capa de aplicación. Cuando los nodos de inferencia se conectan para participar en la protección de la red, deben publicar tokens Vanna como garantía en el contrato de participación. El contrato de participación impone el comportamiento del nodo de inferencia y las condiciones de reducción incluyen, entre otras:
zkML: genera pruebas no válidas y criptográficamente no verificables
opML: el desafío sobre la inferencia generada por nodos tuvo éxito
zkFP: un desafío a una inferencia generada por un nodo tiene éxito, o no se puede generar un ZK SNARK que demuestre que la inferencia
Resumir
Vanna Network demuestra el potencial de aplicación de ZKML en blockchain a través de su diseño y funcionalidad únicos. Vanna Network demuestra el potencial de aplicación de ZKML en blockchain a través de su diseño y funcionalidad únicos. Su razonamiento paralelo es la preejecución, la separación del cálculo de la verificación y el mecanismo de prenda y sanción.
3. Espada de desarrollo ZKML EZKL: Simplificando la generación y verificación de pruebas de conocimiento cero
Descripción general de EZKL
EZKL toma una descripción de alto nivel de un programa y configura probadores y verificadores de conocimiento cero. La atención se centra en los programas representados como modelos pytorchAI/ML y otros gráficos computacionales. Una vez configurado, el probador puede probar las siguientes afirmaciones:
"Ejecuté esta red neuronal pública con algunos datos privados y produjo este resultado"
"Ejecuté mi red neuronal privada con algunos datos públicos y produje este resultado"
"Ejecuté correctamente esta red neuronal disponible públicamente en algunos datos públicos y produjo este resultado"
Flujo de trabajo EZKL
El diagrama de flujo de trabajo de EZKL es el siguiente:
Definir un modelo de red neuronal: definir una red neuronal simple
Entrenamiento de modelos: genere datos de entrada y obtenga resultados a través del modelo
Exportación de modelo: exporta el modelo al formato ONNX
Generar configuración de prueba de conocimiento cero: Generar archivo de configuración
Compilar circuito: compila el modelo para generar archivos de circuito.
Genere prueba de conocimiento cero: genere SRS, archivo de testigo, clave de prueba y clave de verificación
Verifique pruebas de conocimiento cero: genere pruebas de conocimiento cero y verifíquelas localmente o cree el código Solidity y el archivo ABI para el validador EVM, implemente el contrato y verifique la prueba en cadena.
4.Desafíos y perspectivas de ZKML
A medida que la tecnología blockchain continúa evolucionando, el aprendizaje automático de conocimiento cero (ZKML) se está convirtiendo gradualmente en una fuerza clave para mejorar la privacidad y seguridad de las aplicaciones. No solo presagia el surgimiento de aplicaciones innovadoras como la protección de la privacidad de los contratos inteligentes y la mejora de la seguridad de las finanzas descentralizadas (DeFi), sino que también se espera que se convierta en una parte indispensable de la tecnología blockchain, construyendo un mundo digital más seguro y centrado en la privacidad. sólida base tecnológica.
desafío
Aunque ZKML tiene un gran potencial, también enfrenta algunos desafíos en su aplicación:
Complejidad técnica: La implementación de ZKML requiere un conocimiento profundo de matemáticas y criptografía, lo que sin duda aumenta la dificultad de desarrollo y mantenimiento y requiere que los desarrolladores tengan mayores habilidades profesionales.
Cuello de botella en el rendimiento: el proceso de generación y verificación de pruebas de conocimiento cero requiere un uso computacional intensivo y puede afectar el tiempo de respuesta y las capacidades de procesamiento del sistema. Para solucionar este problema, algunos proyectos como Lumoz proporcionan capas informáticas modulares para mejorar el rendimiento.
Aceptación del usuario: aunque ZKML proporciona potentes funciones de protección de la privacidad, los usuarios pueden tener reservas debido a la falta de comprensión de su complejidad y seguridad.
Desafíos regulatorios: el desarrollo de tecnologías de protección de la privacidad requiere que las agencias reguladoras actualicen las regulaciones relevantes para adaptarse a los cambios y desafíos que plantean las nuevas tecnologías.
panorama
A pesar de los desafíos, la profunda integración de la tecnología ZKML con el futuro desarrollo de blockchain es prometedora:
Progreso tecnológico: con la profundización de la investigación y la madurez de la tecnología, la implementación de ZKML será más eficiente y fácil de usar.
Educación del usuario: a través de la educación y la popularización, los usuarios pueden mejorar su comprensión de la complejidad y seguridad de la tecnología ZKML y aumentar su aceptación.
Adaptación regulatoria: la adaptación y la innovación de las agencias reguladoras brindarán apoyo legal y político para el desarrollo de la tecnología ZKML.
Innovación de aplicaciones: el progreso continuo de la tecnología ZKML estimulará la aparición de aplicaciones más innovadoras y promoverá la aplicación de la tecnología blockchain en una gama más amplia de campos.
5. Conclusión
El desarrollo de la tecnología ZKML es un gran paso en el campo de blockchain y presagia la llegada de una nueva era de privacidad y seguridad de datos. Frente a la complejidad técnica, los cuellos de botella en el rendimiento y los desafíos regulatorios, debemos seguir siendo optimistas y creer que con el avance de la tecnología y la creciente aceptación de los usuarios, ZKML desempeñará un papel más importante en el campo blockchain y promoverá aplicaciones e innovaciones más amplias.
Referencias
Documentación de Worldcoin
Introducción a las pruebas de conocimiento cero, Semaphore y su aplicación en World ID
Interpretación en profundidad de ZKML: principios técnicos, escenarios de aplicación, ventajas y desafíos.
¿Worldcoin está en el camino correcto para escanear el iris en busca de pruebas de personalidad?
Una introducción sencilla a zkM
a16z Crypto inversor: la tecnología de conocimiento cero (ZK) está seriamente infravalorada
