ZKP4.1 SNARKs via Interactive Proofs (Justin Thaler)

2023-10-18 22:28

本文主要是介绍ZKP4.1 SNARKs via Interactive Proofs (Justin Thaler),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ZKP学习笔记

ZK-Learning MOOC课程笔记

Lecture 4: SNARKs via Interactive Proofs (Justin Thaler)

4.1 Interactive Proofs: Motivation and Model

  • Interactive Proofs
    在这里插入图片描述

    • P solves problem, tells V the answer.
      • Then they have a conversation.
      • P’s goal: convince V the answer is correct.
    • Requirements:
      • Completeness: an honest P can convince V to accept.
      • (Statistical) Soundness: V will catch a lying P with high probability.
      • If soundness holds only against polynomial-time provers, then the protocol is called an interactive argument.
  • Interactive Proofs and Arguments

    • Compare soundness to knowledge soundness for circuit-satisfiability
      在这里插入图片描述

    • Knowledge soundness is stronger.

  • Public Verifiability

    • Interactive proofs and arguments only convince the party that is choosing/sending the random challenges
    • This is bad if there are many verifiers (as in most blockchain applications).
      • P would have to convince each verifier separately.
    • For public coin protocols, we have a solution: Fiat-Shamir.
      • Makes the protocol non-interactive + publicly verifiable.

4.2 SNARKs from interactive proofs

  • Actual SNARK
    • P commits cryptographically to W.
      • Uses an IP to prove that w satisfies the claimed property.
      • Reveals just enough information about the committed witness wto allow V to run its checks in the IP.
      • Render non-interactive via Fiat-Shamir.
  • Functional Commitments
    • Polynomial commitments
    • Multilinear commitments
    • Vector commitments (e.g., Merkle trees)
  • Merkle trees:
    • The commitment
      在这里插入图片描述

    • Opening Leaf T
      在这里插入图片描述

      • Provers need to provide T, C, m4, h1, and k1
        • “Opening proof” size is O(log n) hash values.
    • (Attampt to) Commit to a univariate f(X) in F 7 [ X ] F_7[X] F7[X]
      在这里插入图片描述

    • Reveal f(4)
      在这里插入图片描述

    • Problems
      在这里插入图片描述

这篇关于ZKP4.1 SNARKs via Interactive Proofs (Justin Thaler)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/235512

相关文章

零知识证明-ZK-SNARKs基础(七)

前言 这章主要讲述ZK-SNARKs 所用到的算术电路、R1CS、QAP等 1:算术电路 算术运算电路 1>半加器:实现半加运算的逻辑电路 2>全加器:能进行被加数,加数和来自低位的进位信号相加,并根据求和结果给出该位的进位信号 说明:2进制加,低位进位 相当于 结果S为 = A+B+C(地位进位) 高位进位 = A+B+C(地位进位) 三个中 有最少2个为1 高位就有进位了 【1】 方程转算

INTERACTIVE TRANSITIONS 实时动态动画

INTERACTIVE TRANSITIONS 实时动态动画 翻译不到位处敬请谅解,感谢原作者分享精神 原文链接 http://www.thinkandbuild.it/interactive-transitions/ 源码下载 http://pan.baidu.com/s/1i3HW5FZ   It’s been a while and after some long du

[论文笔记]Arbitrary-Oriented Scene Text Detection via Rotation Proposals

Arbitrary-Oriented Scene Text Detection via Rotation Proposals 论文地址:https://arxiv.org/abs/1703.01086 github地址:https://github.com/mjq11302010044/RRPN 该论文是基于faster-rcnn框架,在场景文字识别领域的应用。 创新点:生成带文字

Openai api via azure error: NotFoundError: 404 Resource not found

题意:"OpenAI API通过Azure出错:NotFoundError: 404 找不到资源" 问题背景: thanks to the university account my team and I were able to get openai credits through microsoft azure. The problem is that now, trying to

One-Shot Visual Imitation Learning via Meta-Learning

发表时间:CoRL 2017 论文链接:https://readpaper.com/pdf-annotate/note?pdfId=4667206488817680385&noteId=2408726470680795136 作者单位:University of California, Berkeley Motivation:为了使机器人成为可以执行广泛工作的通才,它必须能够在复杂的非结构化

PCB设计中的via孔和pad孔

原文出自微信公众号【小小的电子之路】 在PCB设计过程中,经常会提到via孔和pad孔,下面就简单介绍一下二者的区别。 via称为过孔,主要起到电气连接的作用,用于网络在不同层的导线之间的连接。PCB设计中一般做盖油处理。 via孔 via孔有通孔(Plating Through Hole,PHT)、盲孔(Blind Via Hole,BVH)、埋孔(Buried Via Hol

论文学习 Learning Robust Representations via Multi-View Information Bottleneck

Code available at https://github.com/mfederici/Multi-View-Information-Bottleneck 摘要:信息瓶颈原理为表示学习提供了一种信息论方法,通过训练编码器保留与预测标签相关的所有信息,同时最小化表示中其他多余信息的数量。然而,最初的公式需要标记数据来识别多余的信息。在这项工作中,我们将这种能力扩展到多视图无监督设置,其中提供

Rcmp: Reconstructing RDMA-Based Memory Disaggregation via CXL——论文阅读

TACO 2024 Paper CXL论文阅读笔记整理 背景 RDMA:RDMA是一系列协议,允许一台机器通过网络直接访问远程机器中的数据。RDMA协议通常固定在RDMA NIC(RNIC)上,具有高带宽(>10 GB/s)和微秒级延迟(~2μs),这些协议得到了InfiniBand、RoCE和OmniPath等公司的广泛支持[20, 47, 62]。RDMA基于两种类型的操作原语提供数据传输

论文阅读笔记——DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch

这篇文章,是2019年新的ICCV的papper,文章典型的使用了PatchMatch的思路,使得最后的速度快了很多。主要思路是:首先利用一种新颖的可微Patch Match算法来获得稀疏的cost volume。 然后,我们利用此表示来了解每个像素的修剪范围,自适应地修剪了每个区域的搜索空间。 最后,利用图像引导的优化模块来进一步提高性能。 由于所有组件都是可区分的,因此可以以端到端的方式训练整