Alliance Dao: จะสร้างผลิตภัณฑ์ Web3 ผ่าน ZKP ได้อย่างไร

การรวบรวมข้อความต้นฉบับ: Deep Tide TechFlow

การรวบรวมข้อความต้นฉบับ: Deep Tide TechFlow

Zero-knowledge Proofs (ZKPs) กำลังกลายเป็นเทคโนโลยีพื้นฐานแห่งการเปลี่ยนแปลงในทศวรรษหน้า ZKP มีแอปพลิเคชันทั้งภายในและภายนอก Web3

ใน Web3 ZKP กำลังแก้ปัญหาคอขวดที่สำคัญสองประการ นั่นคือ ความสามารถในการปรับขนาดและความเป็นส่วนตัว:

• ในแง่ของความสามารถในการปรับขนาด ZK Rollups หลายตัวหรือที่เรียกว่า Validity Rollups กำลังเปิดตัวเพื่อปรับขนาด Ethereum 10-100x ในขณะที่ปรับปรุงประสบการณ์ผู้ใช้ด้วยการลดต้นทุนการทำธุรกรรม

• ในแง่ของความเป็นส่วนตัว ZKP กำลังขยายจากยุคของการทำธุรกรรมส่วนตัวและการทำธุรกรรมแบบผสมไปสู่พื้นที่ที่ซับซ้อนและมีประโยชน์มากขึ้น เช่น การทำธุรกรรมส่วนตัวบนเครือข่าย การระบุตัวตน และข้อมูลรับรองที่ตรวจสอบแล้ว

มีหลายสิ่งที่ต้องพูดถึงเกี่ยวกับ ZKP รวมถึงวิสัยทัศน์ของเราสำหรับอนาคตของพื้นที่ ZKP และการเริ่มต้นที่จำเป็นในการทำให้อนาคตนั้นเป็นจริง อย่างไรก็ตาม ยังมีช่องว่างทางการศึกษาบางประการเกี่ยวกับวิธีที่ผู้สร้างจะได้รับประโยชน์จาก ZKP และจุดเริ่มต้น

บทความนี้มีจุดมุ่งหมายเพื่อเติมเต็มช่องว่างนี้โดยรวบรวมแหล่งข้อมูลที่สำคัญเพื่อเป็นแนวทางให้นักพัฒนาเข้าใจว่า ZKP ทำงานอย่างไรในทางปฏิบัติและวิธีใช้ ZKP ในแอปพลิเคชันของตน

ZKP ทำงานอย่างไรในทางปฏิบัติ

ZKP เป็นเทคนิคสำหรับผู้พิสูจน์เพื่อพิสูจน์ให้ผู้ตรวจสอบทราบว่าพวกเขารู้ข้อมูลบางอย่างโดยไม่ต้องเปิดเผยข้อมูลนั้น

ในทางปฏิบัติ อย่างน้อยใน Web3 มักจะใช้ ZKP แตกต่างกัน แอปพลิเคชันส่วนใหญ่ไม่ได้ใช้ ZKP เพื่อแสดงความเป็นเจ้าของข้อมูลที่เป็นกรรมสิทธิ์ แทนที่จะใช้ ZKP เพื่อเพิ่มความน่าเชื่อถือผ่านการตรวจสอบได้ เราคาดว่า ZKP จะกลายเป็นรูปแบบความไว้วางใจมาตรฐานระหว่างหน่วยงานในอนาคต เหตุผลก็คือองค์ประกอบหลักสองประการของ ZKP - การพิสูจน์และการตรวจสอบ - ถูกแยกออกจากกันในลักษณะที่เปิดใช้งานรูปแบบการโต้ตอบที่ไม่เหมือนใครระหว่างเอนทิตีที่แสวงหาความน่าเชื่อถือและผู้ใช้

องค์ประกอบหลักของ ZKP คือการสร้างหลักฐานและการตรวจสอบหลักฐาน

• การสร้างหลักฐานเกี่ยวข้องกับการเรียกใช้การคำนวณอย่างกว้างขวางเพื่อสร้างหลักฐานการดำเนินการ ซึ่งใช้เพื่อขจัดความต้องการความไว้วางใจในตัวพิสูจน์

• แต่ทุกคนสามารถเรียกใช้กระบวนการง่ายๆ ในการพิสูจน์เพื่อตรวจสอบความสมบูรณ์ของกระบวนการที่ดำเนินการโดยผู้พิสูจน์

แบบจำลองทางจิตนี้ช่วยให้ธุรกิจดำเนินกระบวนการ (มักเป็นกระบวนการที่ซับซ้อน) และช่วยให้ลูกค้าไว้วางใจการดำเนินการตามกระบวนการดังกล่าวโดยไม่ต้องทำกระบวนการซ้ำ

ลองมาตัวอย่าง:

สมมติว่าคุณสมัครแผนแบบชำระเงินของ OpenAI เพื่อใช้โมเดลภาษาขนาดใหญ่ (LLM) รุ่นใดรุ่นหนึ่ง เช่น chatGPT คุณต้องไว้วางใจให้ OpenAI รันโมเดลเฉพาะที่คุณร้องขอ ไม่ใช่แทนที่ด้วยโมเดลที่เรียบง่ายและมีประสิทธิภาพน้อยกว่า จะเกิดอะไรขึ้นถ้า OpenAI สามารถส่งข้อมูลจำนวนเล็กน้อยถึงคุณเพื่อพิสูจน์ว่ามันรันโมเดลเฉพาะที่คุณร้องขอจริง ๆ นอกจากนี้ ลองจินตนาการว่าจะเกิดอะไรขึ้นหากผลิตภัณฑ์ SaaS ที่เป็นกรรมสิทธิ์ทั้งหมดสามารถให้การรับประกันดังกล่าวแก่ผู้บริโภคได้

การลดความน่าเชื่อถือนี้เป็นคำมั่นสัญญาของ ZKP ตัวอย่างเช่น ใน Web 2 ZKP สามารถรับประกันการประเมินเครดิตที่ยุติธรรมหรือการประมวลผลการเรียกร้องค่าสินไหมทดแทนที่ยุติธรรม โดยทำให้แน่ใจว่าลูกค้าทั้งหมดใช้อัลกอริทึมเดียวกัน เทคโนโลยี ZK ยังไม่ถึงระดับนั้น เนื่องจากการรันกระบวนการ ZKP ยังมีราคาค่อนข้างแพง อย่างไรก็ตาม เราเห็นบริษัทอย่าง Modulus Labs สร้างเทคโนโลยีที่ใช้ ZKP เพื่อพิสูจน์การอนุมานของ AI

ข้อกำหนดทางเทคนิคสำหรับ ZKP

ในระดับเทคนิค ระบบ ZKP ที่มีประสิทธิภาพจำเป็นต้องบรรลุเป้าหมายต่อไปนี้ในเวลาเดียวกัน:

• ลดความซับซ้อนในการคำนวณและความล่าช้าของระบบพิสูจน์ กล่าวคือ ช่วยให้ผู้พิสูจน์สามารถสร้างหลักฐานได้อย่างมีประสิทธิภาพและส่งไปยังผู้ตรวจสอบในเวลาอันสั้นที่สุด

• บรรลุขนาดการพิสูจน์ขนาดเล็ก

• ตระหนักถึงการยืนยันที่มีประสิทธิภาพ นั่นคือ ลดต้นทุนการยืนยัน

นอกเหนือจากเป้าหมายหลักเหล่านี้แล้ว อาจจำเป็นต้องมีเป้าหมายรองบางอย่าง ทั้งนี้ขึ้นอยู่กับกรณีการใช้งาน เช่น:

• การรักษาความเป็นส่วนตัวของข้อมูลในแอปพลิเคชันที่เน้นความเป็นส่วนตัวหมายความว่าระบบพิสูจน์สามารถจัดการกับข้อมูลส่วนตัวที่ไม่ได้เปิดเผยในหลักฐานที่สร้างขึ้น

• หลีกเลี่ยงการตั้งค่าความน่าเชื่อถือหากเป็นไปได้เพื่อลดความซับซ้อนของสมมติฐานด้านความปลอดภัย

• การเรียกซ้ำของหลักฐานถูกนำมาใช้เพื่อลดค่าใช้จ่ายในการตรวจสอบเพิ่มเติม กล่าวคือ การตรวจสอบครั้งเดียวสามารถตรวจสอบหลักฐานหลายรายการและแบ่งปันค่าใช้จ่ายระหว่างการพิสูจน์ที่แตกต่างกัน

การบรรลุเป้าหมายทั้งหมดนี้พร้อมกันเป็นสิ่งที่ท้าทาย ขึ้นอยู่กับกรณีการใช้งาน ระบบ ZKP จัดลำดับความสำคัญของเป้าหมายเหล่านี้บางส่วน ตัวอย่างเช่น ระบบการพิสูจน์ SNARK สามารถสร้างการพิสูจน์ที่กระชับ แต่ความซับซ้อนในการพิสูจน์จะเพิ่มขึ้น ในทางกลับกัน STRAK มีตัวพิสูจน์ที่มีประสิทธิภาพ แต่ขนาดตัวพิสูจน์อาจใหญ่กว่า SNARK ถึง 100 เท่า นักวิจัยของ zk พยายามอย่างต่อเนื่องที่จะผลักดันขอบเขตของเทคโนโลยี ปรับปรุงตัวบ่งชี้สามตัวพร้อมกันโดยการคิดค้นกลไกการพิสูจน์ใหม่

การเปรียบเทียบระบบพิสูจน์หลักฐานต่างๆ

สำหรับนักพัฒนาที่สร้างผลิตภัณฑ์ที่เกี่ยวข้องกับ ZKP คำถามสำคัญที่ต้องพิจารณาคือวิธีการเลือกระบบพิสูจน์พื้นฐาน มีการใช้งานพิสูจน์ ZKP หลายอย่าง และอีกมากมายอยู่ในขั้นตอนการวิจัยและพัฒนา

การเลือกแบ็กเอนด์ ZKP นั้นไม่ได้ขึ้นอยู่กับด้านเทคนิคเท่านั้น แต่ยังขึ้นอยู่กับผลิตภัณฑ์เป้าหมายด้วย ยกตัวอย่างระบบพิสูจน์การเลือก Rollup ลักษณะสำคัญของ Rollups เช่น เวลาถอน ต้นทุนการทำธุรกรรม และแม้กระทั่งระดับของการกระจายอำนาจ จะถูกกำหนดโดยสถาปัตยกรรมการพิสูจน์ ZKP เป็นส่วนใหญ่ ดังที่แสดงในตารางด้านล่าง

ในค่าสะสม การรับรองจะเกิดขึ้นในด้านธุรกิจ เช่น ผ่านตัวดำเนินการค่าสะสม ZK Rollups (zkRU) ที่มีอยู่เช่น Starknet และ Zksync ในปัจจุบันใช้ตัวพิสูจน์แบบรวมศูนย์ ดังนั้น พวกเขาสามารถมอบหมายการพิสูจน์ให้กับผู้พิสูจน์โดยเฉพาะ เช่น บริษัทพิสูจน์อักษรที่ให้บริการ เพื่อปรับปรุงประสิทธิภาพของผู้พิสูจน์ เวลาในการพิสูจน์สามารถลดลงเหลือนาทีสำหรับ zkEVM ที่เข้ากันได้กับ Ethereum โดยความเชี่ยวชาญและใช้ประโยชน์จากซอฟต์แวร์/ฮาร์ดแวร์ที่ปรับให้เหมาะสม ตัวอย่างเช่น เวลาในการพิสูจน์สำหรับ Polygon zkEVM ในปัจจุบันอยู่ที่ประมาณ 2 นาที เวลาพิสูจน์สองสามนาที เช่น ความล่าช้าในการถอน เป็นที่ยอมรับสำหรับการยกเลิก

ในทางกลับกัน กรณีการใช้งานบางกรณีต้องการหลักฐานว่าเกิดขึ้นที่ฝั่งไคลเอ็นต์ โดยสร้างธุรกรรมส่วนตัว เช่น ธุรกรรมเงินสดทอร์นาโด เพื่อให้แน่ใจว่าผู้ใช้ได้รับประสบการณ์ที่เหมาะสม เวลาพิสูจน์ไม่ควรเกินสองสามวินาที นอกจากนี้ เนื่องจากผู้ใช้ทำการคำนวณเหล่านี้ในเบราว์เซอร์โดยใช้กระเป๋าเงินหรือบนอุปกรณ์ที่มีข้อจำกัดด้านทรัพยากร จึงเป็นสิ่งสำคัญที่จะต้องเลือกระบบพิสูจน์ด้วยเครื่องพิสูจน์ที่รวดเร็ว ตัวอย่างที่ดีคือ Zcash เปลี่ยนระบบการพิสูจน์เป็น Groth 16 ในการอัปเกรด Sapling ในปี 2018 ซึ่งเป็นปัจจัยหลักในการปรับปรุงความเร็วของธุรกรรมที่มีการป้องกัน

ระบบพิสูจน์เปรียบเทียบ

โดยทั่วไป เป็นเรื่องยากที่จะได้รับการเปรียบเทียบที่ถูกต้องแม่นยำของประสิทธิภาพของระบบพิสูจน์หลักฐานต่างๆ โดยเฉพาะอย่างยิ่งสำหรับความเร็วในการพิสูจน์และการตรวจสอบ เนื่องจากขึ้นอยู่กับการใช้งานไลบรารี กราฟการเข้ารหัสที่เลือก และฮาร์ดแวร์ที่ใช้

ทีม Mina ให้การเปรียบเทียบระดับสูงที่ดีในโพสต์นี้ นอกจากนี้ยังมีความพยายามอีกหลายอย่างในการสร้างเครื่องมือเปรียบเทียบสำหรับระบบ ZK ที่แตกต่างกัน

ตารางนี้แสดงการเปรียบเทียบการใช้งาน SNARK ที่ดีและอธิบายความคืบหน้าในด้านความเร็วตั้งแต่ Groth 16 ถึง Plonk ถึง Halo แม้จะมีความคืบหน้า STARK ก็ยังคงชนะในเรื่องความเร็วการพิสูจน์ แต่ด้วยขนาดการพิสูจน์ที่ใหญ่ขึ้น ตารางยังกล่าวถึงคุณสมบัติที่สำคัญสองประการของระบบพิสูจน์: การติดตั้งที่ไม่ไว้วางใจและความสามารถในการตั้งโปรแกรมวงจร

ขั้นตอนก่อนการประมวลผลของการสร้างวงจรจะกล่าวถึงในส่วนการตั้งค่าที่ไม่ไว้วางใจ เทคนิคการพิสูจน์บางอย่างต้องการการมีส่วนร่วมของการคำนวณหลายฝ่ายเพื่อสร้างตัวเลขสุ่มลับในขั้นตอนก่อนการประมวลผล หากผู้เข้าร่วมแต่ละคนซื่อสัตย์ หมายเลขสุ่มที่สร้างขึ้นจะเป็นความลับและส่วนการประมวลผลล่วงหน้าจะปลอดภัย กระบวนการนี้เรียกว่า "การตั้งค่าความน่าเชื่อถือ" เนื่องจากเชื่อมั่นว่าผู้เข้าร่วมขั้นตอนก่อนการประมวลผลอย่างน้อยหนึ่งคนจะต้องซื่อสัตย์ การกำหนดให้มีการตั้งค่าความเชื่อถือถือเป็นจุดอ่อน ในแง่นี้ STARK และระบบ SNARK ที่ใหม่กว่าเช่น Halo 2 มีข้อได้เปรียบ อย่างไรก็ตาม บางโครงการใช้การตั้งค่าความน่าเชื่อถือเป็นเครื่องมือในการมีส่วนร่วมกับชุมชน เช่น Aztec และ Manta

ส่วนความสามารถในการโปรแกรมจะกล่าวถึงว่าระบบพิสูจน์สามารถพิสูจน์การคำนวณตามอำเภอใจได้หรือไม่ โดยทั่วไปแล้ว SNARK สามารถตั้งโปรแกรมสำหรับการคำนวณใดๆ ก็ได้ อย่างไรก็ตาม ประสิทธิภาพการพิสูจน์ขึ้นอยู่กับประเภทของการคำนวณที่ทำ สำหรับระบบ STARK บางประเภท การปรับให้เข้ากับการคำนวณประเภทต่างๆ ไม่ใช่เรื่องง่าย

จะใช้ประโยชน์จาก ZKP สำหรับผลิตภัณฑ์ของคุณได้อย่างไร

การสร้างผลิตภัณฑ์ที่จะได้ประโยชน์จากเทคนิค ZKP นั้นไม่ใช่เรื่องง่ายและต้องการแบบจำลองทางจิตที่เหมาะสม

ส่วนนี้พยายามจัดเตรียมเฟรมเวิร์กสำหรับนักพัฒนาเพื่อเลือกแนวทางที่ดีที่สุดในการรวม ZKP เข้ากับผลิตภัณฑ์ของตน ขึ้นอยู่กับความต้องการของผลิตภัณฑ์ การปรับแนวระบบนิเวศ และความต้องการด้านประสิทธิภาพ จะมีเครื่องมือหลายอย่างที่นักพัฒนาสามารถเลือกได้ นักพัฒนาบางรายจะสามารถนำโค้ดที่มีอยู่กลับมาใช้ใหม่ได้ ในขณะที่บางรายจะต้องเรียนรู้ภาษาเฉพาะโดเมน (DSL) ใหม่เพื่อสร้างแอปพลิเคชันของตน

แอพพลิเคชั่น zk ที่เน้นประสิทธิภาพ

นักพัฒนาสามารถใช้ ZKP เพื่อให้ได้ปริมาณงานที่สูงขึ้น (TPS) หรือค่าธรรมเนียมที่ต่ำลงได้โดยการปิดการเชื่อมโยงการประมวลผลแอปพลิเคชันส่วนใหญ่ และเผยแพร่เฉพาะการพิสูจน์บนเครือข่ายเท่านั้น ในกรณีนี้ มีหลายเฟรมเวิร์กให้เลือก แต่ละเฟรมเวิร์กมีชุดเครื่องมือสำหรับคอมไพล์โค้ดแอปพลิเคชัน สร้างวงจร ZK ใช้งาน ZK provers และสร้างโค้ดตัวตรวจสอบสำหรับระบบนิเวศเป้าหมาย เราสามารถแบ่งเฟรมเวิร์กเหล่านี้ออกเป็นสองประเภทหลัก: EVM-centric และ non-EVM

เฟรมเวิร์ก ZK ที่ใช้ EVM

กรอบ ZK ชุดนี้สอดคล้องกับ Ethereum เนื่องจาก Rollup ถูกสร้างขึ้นด้านบน ธุรกรรมและแอปพลิเคชันดำเนินการบน ZK Virtual Machine (zkVM) ของ Rollup หลักฐานถูกสร้างขึ้นโดยผู้รับรองโดยเฉพาะและเผยแพร่ไปยัง L1 เพื่อตรวจสอบโดยสัญญาอัจฉริยะ

ชุดย่อยแรกของกลุ่มนี้ใช้ zkVM ที่เข้ากันได้กับ EVM ดังนั้นชื่อ zkEVM เป้าหมายของสิ่งเหล่านี้คือเพื่อลดความขัดแย้งโดยอนุญาตให้นักพัฒนา Ethereum ใช้ Solidity และเครื่องมือที่คุ้นเคยเช่น Hardhat และ Foundry พวกเขาขจัดความซับซ้อนของ ZK ด้วยการสร้างวงจรและตัวพิสูจน์ที่เหมาะสมสำหรับ EVM ทั้ง Polygon zkEVM และ Scroll รวมอยู่ในบัคเก็ตนี้

ชุดย่อยที่สองของกลุ่มนี้คือ zkVM ซึ่งไม่สามารถใช้งานร่วมกับ EVM ได้ แม้จะเข้ากันไม่ได้ แต่กลุ่มนี้ก็ลดแรงเสียดทานด้วยการสร้างชั้นกลางที่ช่วยให้นักพัฒนาสามารถใช้ Solidity ได้ Vitalik เรียกประเภทนี้ว่า type-4 zkEVM zkSync Era และ Starknet เป็นตัวอย่างที่ดีของกลุ่มนี้ ข้อดีของการใช้ Type-4 zkEVM คือสามารถให้ปริมาณงานที่สูงกว่าและต้นทุนต่ำกว่าประเภท EVM ที่เข้ากันได้ สิ่งนี้ทำให้เหมาะสำหรับการสร้างแอปพลิเคชันความเร็วสูง เช่น เกมออนไลน์ หรือผลิตภัณฑ์ทางการเงินประสิทธิภาพสูง เช่น DEX สมุดคำสั่งซื้อ

การสร้างแอปพลิเคชันสำหรับ Type-4 zkEVM ต้องการความพยายามของนักพัฒนามากขึ้น เนื่องจากมีข้อจำกัดเกี่ยวกับรหัส Solidity ที่สามารถใช้ได้ อีกทางหนึ่ง นักพัฒนาอาจตัดสินใจเรียนภาษาอื่น เช่น ไคโร เพื่อพัฒนาแอปพลิเคชันแบบเนทีฟกับเฟรมเวิร์กเหล่านี้

เฟรมเวิร์กที่ไม่ใช่ EVM zk

เฟรมเวิร์กอีกประเภทหนึ่งคือเฟรมเวิร์กที่ไม่ได้กำหนดเป้าหมายสถาปัตยกรรม EVM เนื่องจากมีเป้าหมายที่แข่งขันกับ L1 หรือการประมวลผลเพื่อวัตถุประสงค์ทั่วไป อย่างไรก็ตาม พวกเขายังคงสามารถใช้เพื่อสร้าง zkRU เฉพาะแอปพลิเคชันบน Ethereum ผ่าน SDK เฉพาะ เช่น Sovereign

มีสองวิธีที่นี่:

• นักพัฒนาเขียนโค้ดด้วยภาษาระดับสูงที่กำหนดเป้าหมายสถาปัตยกรรม VM เฉพาะ ซึ่งรวบรวมไว้ในวงจร ZK ในภายหลัง

• นักพัฒนาใช้ภาษาเฉพาะโดเมน (DSL) เช่น Circom เพื่อสร้างวงจร ZK โดยตรง

วิธีเดิมเหมาะสำหรับนักพัฒนามากกว่า แต่มักจะได้วงจรที่ใหญ่ขึ้นและใช้เวลาในการพิสูจน์นานกว่า

แอปพลิเคชัน ZK ที่เน้นความเป็นส่วนตัว

การพัฒนาแอปพลิเคชันที่เน้นความเป็นส่วนตัวโดยใช้ ZKP มักเป็นงานที่ท้าทายสำหรับนักพัฒนา การพัฒนาโซลูชันที่เน้นความเป็นส่วนตัวโดยใช้ ZKP เป็นงานน้อยกว่าโซลูชันที่เน้นการปรับขยาย ทำให้การเรียนรู้มีความชันมากขึ้น แอปพลิเคชันความเป็นส่วนตัวที่มีอยู่เน้นไปที่ความเป็นส่วนตัวในการชำระเงินเป็นหลัก และไม่อนุญาตให้มีความสามารถในการตั้งโปรแกรมมากนัก การผสมผสานความเป็นส่วนตัวและความสามารถในการตั้งโปรแกรมเป็นงานที่ท้าทาย แอปพลิเคชันที่เน้นความเป็นส่วนตัวปฏิบัติตามหนึ่งในสองตัวเลือกการใช้งาน:

1. สร้างบน L1 เอนกประสงค์

ในการเปิดใช้งานแอปพลิเคชันการชำระเงินส่วนตัวบน L1 จะต้องมีการสร้างตรรกะ ZKP เป็นสัญญาอัจฉริยะ แอปพลิเคชันมักใช้ ZKP เพื่อสร้างกลุ่มทุนส่วนตัว ผู้ใช้ใช้พูลส่วนตัวเหล่านี้เป็นมิกเซอร์ จัดหาเงินทุนให้กับกระเป๋าเงินใหม่ที่ไม่ได้เชื่อมโยงกับกระเป๋าเงินเดิม ตัวอย่างที่โด่งดังคือ Tornado Cash สำหรับแอปพลิเคชันเหล่านี้ ผู้ใช้จะเป็นผู้ดำเนินการพิสูจน์และการตรวจสอบจะเกิดขึ้นแบบออนไลน์ ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องใช้ระบบ ZKP ที่มีการพิสูจน์ที่รวดเร็ว การคำนวณการตรวจสอบที่เรียบง่าย และไม่เปิดเผยข้อมูลผู้ใช้ใดๆ

เนื่องจาก Universal Chain ไม่ได้รับการปรับให้เหมาะสมสำหรับการคำนวณการเข้ารหัสที่มีราคาแพง ค่าใช้จ่ายในการตรวจสอบจึงมักแพงสำหรับผู้ใช้ทั่วไป ซึ่งเป็นการจำกัดการนำแอปพลิเคชันเหล่านี้ไปใช้ โซลูชันที่ใช้งานง่ายในการย้ายแอปพลิเคชันกิจการส่วนตัวไปยัง Rollup เพื่อลดค่าน้ำมันสามารถนำเสนอความท้าทายได้ ในกรณีนี้ จำเป็นต้องรวมหลักฐานธุรกรรมส่วนตัวไว้ในหลักฐานการเรียกซ้ำ นั่นคือ การเรียกซ้ำของหลักฐาน และ zk Rollup ทั่วไปในปัจจุบันบน Ethereum จะไม่สามารถพิสูจน์การเรียกซ้ำได้

2. สร้าง L1/L2 ใหม่ที่เน้นความเป็นส่วนตัว

เพื่อลดต้นทุนสำหรับการทำธุรกรรมส่วนตัวและแอปพลิเคชัน นักพัฒนาจึงต้องสร้าง L1 ที่เน้นความเป็นส่วนตัวใหม่ (เช่น Manta Network และ Penumbra) หรือ Rollup เฉพาะทาง (เช่น Aztec) ห่วงโซ่ที่เน้นความเป็นส่วนตัวส่วนใหญ่ยังไม่สามารถรองรับการประมวลผลเพื่อวัตถุประสงค์ทั่วไปและเน้นการใช้งานระดับมืออาชีพได้ ตัวอย่างเช่น Penumbra และ Renegade มุ่งเน้นไปที่ธุรกรรมส่วนตัว Aleo กำลังสร้างเฟรมเวิร์กสำหรับแอปพลิเคชันที่เป็นกรรมสิทธิ์โดยสร้างภาษาวัตถุประสงค์พิเศษ Leo เพื่อรวบรวมโปรแกรมที่เขียนด้วยภาษาระดับสูงเพื่อสร้างวงจร ZK ที่สอดคล้องกัน การโต้ตอบของแอปพลิเคชันนั้นทำนอกเครือข่าย และเฉพาะหลักฐานเท่านั้นที่เผยแพร่บนเครือข่ายเป็นธุรกรรมส่วนตัว Aztec กำลังเคลื่อนไหวไปในทิศทางเดียวกัน แต่เป็น Ethereum L2 พวกเขาเพิ่งประกาศเน้นไปที่การสร้าง Rollups ส่วนตัวทั่วไปที่ใช้ Noir เป็นภาษาสัญญาอัจฉริยะเริ่มต้น

การเร่ง ZK

หลังจากที่นักพัฒนาได้เลือกเฟรมเวิร์กการพัฒนา ZK ที่เหมาะสมสำหรับแอปพลิเคชันของตนและเลือกระบบพิสูจน์พื้นฐานแล้ว ขั้นตอนต่อไปคือการปรับประสิทธิภาพของแอปพลิเคชันให้เหมาะสมที่สุด และค้นหาวิธีปรับปรุงประสบการณ์ผู้ใช้ สิ่งนี้มักเกิดขึ้นเพื่อปรับปรุงประสิทธิภาพของเครื่องพิสูจน์และเวลาแฝง ตามที่กล่าวไว้ก่อนหน้านี้ สำหรับ Rollup เวลาพิสูจน์ที่สั้นลงหมายถึงความล่าช้าน้อยลงในการดำเนินการพิสูจน์ไปยัง L1 และดังนั้นความล่าช้าในการถอนจึงน้อยลง สำหรับการพิสูจน์ที่ผู้ใช้สร้างขึ้น เช่น แอปพลิเคชันความเป็นส่วนตัว การพิสูจน์ที่เร็วขึ้นหมายถึงเวลาในการสร้างธุรกรรมที่สั้นลงและประสบการณ์ของผู้ใช้ที่ดีขึ้น

ดังที่เราได้กล่าวถึงในบทความก่อนหน้านี้ การเร่งกระบวนการพิสูจน์มักต้องการการปรับแต่งซอฟต์แวร์และฮาร์ดแวร์เฉพาะทาง การแข่งขันด้านฮาร์ดแวร์เฉพาะทางทวีความรุนแรงขึ้นในช่วงไม่กี่เดือนที่ผ่านมา โดยมีหลายบริษัทเข้าร่วมการแข่งขัน ในส่วนนี้ เราจะพูดถึงสถานะปัจจุบันของการเร่งความเร็ว ZK และวิธีที่นักพัฒนาจะได้ประโยชน์จากการแข่งขันนี้

หลักฐานเป็นบริการ

การเร่งฮาร์ดแวร์

การเร่งฮาร์ดแวร์

ด้วยการเปิดตัว L1 และ Rollups หลายรายการที่ต้องการสร้างการพิสูจน์ zk อย่างมีประสิทธิภาพ การแข่งขันเพื่อสร้างการพิสูจน์เหล่านี้และรับรางวัลที่สอดคล้องกันจะรุนแรงขึ้น หากเครือข่ายเหล่านี้และ L2 ประสบความสำเร็จในการดึงดูดผู้ใช้จำนวนมาก การสร้างหลักฐานอาจพัฒนาเป็นการแข่งขันด้านอาวุธที่คล้ายกับการแข่งขันการขุด Bitcoin มีแนวทางที่แตกต่างกันในการเร่ง ZKP, GPU กับ FPGA กับ ASIC บทความนี้จาก Amber Group มีการอภิปรายที่ดีเกี่ยวกับตัวเลือกต่างๆ เหล่านี้และความท้าทายที่ต้องเผชิญกับตัวเลือกการใช้งานแต่ละตัวเลือก อย่างไรก็ตาม ในระยะยาว บริษัทที่ผลิต ASICs ที่มีประสิทธิภาพสูงสุดสำหรับการสร้างการพิสูจน์แนวคิดจะมีข้อได้เปรียบทางเศรษฐกิจที่สำคัญในเครือข่ายที่เน้น zk

เป็นที่น่าสังเกตว่ามีความแตกต่างที่สำคัญระหว่างการแข่งขันพิสูจน์ ZK และการขุด Bitcoin ที่ควรค่าแก่การเน้นย้ำ ใน Bitcoin กระบวนการขุดขึ้นอยู่กับการคำนวณอย่างง่าย แฮช SHA 256 การคำนวณนี้คงที่และไม่เปลี่ยนแปลงง่าย ดังนั้นการมุ่งเน้นจึงอยู่ที่นวัตกรรมการออกแบบชิปและการเข้าถึงโหนดเซมิคอนดักเตอร์ที่ทันสมัยที่สุด ในด้าน ZKP มีความแตกต่างอย่างมากระหว่างโปรโตคอลการพิสูจน์ที่แตกต่างกัน แม้จะมีส่วนสนับสนุนการพิสูจน์เดียวกัน เช่น Plonk ขนาดวงจรเป้าหมายก็อาจนำไปสู่ความแตกต่างในประสิทธิภาพ ASIC ความแตกต่างระหว่างการขุด Bitcoin และการสร้าง ZKP อาจนำไปสู่ผู้ชนะหลายคน ซึ่งแต่ละคนมีความเชี่ยวชาญในแบ็กเอนด์ ZK ที่แตกต่างกัน

มีผู้เล่นหลายคนเข้ามาในพื้นที่ชิปเฉพาะของ ZK ผู้เข้าร่วมแต่ละคนมุ่งเน้นไปที่หนึ่งในสองการดำเนินการหลักที่ปรับปรุงการสร้างการพิสูจน์: การคูณแบบหลายสเกลาร์ (MSM) และการแปลงตามทฤษฎีจำนวน (NTT) ผู้เล่นคนสุดท้ายที่ออกจากการซ่อนตัวคือ Cysic ซึ่งประกาศรอบเมล็ดพันธุ์มูลค่า 6 ล้านดอลลาร์ระหว่าง ETH Denver Cysic มุ่งเน้นไปที่การเร่งความเร็วกลุ่มชายรักชายโดยใช้ FPGA ความยืดหยุ่นของ FPGA ช่วยให้สามารถรองรับระบบ ZK ต่างๆ ได้ แนวทางนี้คล้ายกับ Ulventanna ซึ่งประกาศรอบเมล็ดพันธุ์มูลค่า 15 ล้านดอลลาร์ในเดือนมกราคม ผู้เล่นรายอื่นในพื้นที่การพัฒนาชิป ZK ได้แก่ Ingonyama ซึ่งเปิดตัวไลบรารีชื่อ Icicle ที่เร่งการคำนวณสำหรับ MSM และ NTT บน GPU เช่นเดียวกับ Accseal, Snarkify และ Supranational นอกเหนือจากรายชื่อนี้ ยังมีบริษัทลับอื่นๆ และความพยายามในการวิจัยโดยผู้เล่นที่มีชื่อเสียงในพื้นที่ Web3 ตัวอย่างหลัง ได้แก่ การใช้ CycloneMSM ของ Jump Crypto เพื่อเร่งการคำนวณ MSM โดยใช้ FPGA และการใช้งาน FPGA ของ Jane Street เพื่อเร่ง MSM และ NTT

เนื่องจากการเร่งความเร็ว ZKP มีความสำคัญมากขึ้น การแข่งขัน (เช่น ZPrize) ที่ต้องการการประเมินการใช้งานที่แตกต่างกันอย่างยุติธรรมจึงกลายเป็นสถานที่สำคัญในการขับเคลื่อนสนามไปข้างหน้า ทัวร์นาเมนต์ปี 2022 มีเงินรางวัลมากกว่า 4 ล้านเหรียญสหรัฐ

ด้วยการเปิดตัว L1 และ Rollups หลายรายการที่ต้องการสร้างการพิสูจน์ ZK อย่างมีประสิทธิภาพ การแข่งขันเพื่อสร้างการพิสูจน์เหล่านี้และรับรางวัลที่สอดคล้องกันจะรุนแรงขึ้น หากเครือข่ายเหล่านี้และ L2 ประสบความสำเร็จในการดึงดูดผู้ใช้จำนวนมาก การสร้างหลักฐานอาจพัฒนาเป็นการแข่งขันด้านอาวุธที่คล้ายกับการแข่งขันการขุด Bitcoin มีแนวทางที่แตกต่างกันในการเร่ง ZKP, GPU กับ FPGA กับ ASIC บทความนี้จาก Amber Group มีการอภิปรายที่ดีเกี่ยวกับตัวเลือกต่างๆ เหล่านี้และความท้าทายที่ต้องเผชิญกับตัวเลือกการใช้งานแต่ละตัวเลือก อย่างไรก็ตาม ในระยะยาว บริษัทที่ผลิต ASIC ที่มีประสิทธิภาพสูงสุดจะมีความได้เปรียบทางเศรษฐกิจอย่างมากในห่วงโซ่ที่เน้น ZK

เป็นที่น่าสังเกตว่ามีความแตกต่างที่สำคัญระหว่างการแข่งขันพิสูจน์ ZK และการขุด Bitcoin ที่ควรค่าแก่การเน้นย้ำ ใน Bitcoin กระบวนการขุดขึ้นอยู่กับการคำนวณอย่างง่าย แฮช SHA 256 การคำนวณนี้คงที่และไม่เปลี่ยนแปลงง่าย ดังนั้นการมุ่งเน้นจึงอยู่ที่นวัตกรรมการออกแบบชิปและการเข้าถึงโหนดเซมิคอนดักเตอร์ที่ทันสมัยที่สุด ในด้าน ZKP มีความแตกต่างอย่างมากระหว่างโปรโตคอลการพิสูจน์ที่แตกต่างกัน แม้จะมีส่วนสนับสนุนการพิสูจน์เดียวกัน เช่น Plonk ขนาดวงจรเป้าหมายก็อาจนำไปสู่ความแตกต่างในประสิทธิภาพ ASIC ความแตกต่างระหว่างการขุด Bitcoin และการสร้าง ZKP อาจนำไปสู่ผู้ชนะหลายคน ซึ่งแต่ละคนมีความเชี่ยวชาญในแบ็กเอนด์ ZK ที่แตกต่างกัน

มีผู้เล่นหลายคนเข้ามาในพื้นที่ชิปเฉพาะของ ZK ผู้เข้าร่วมแต่ละคนมุ่งเน้นไปที่หนึ่งในสองการดำเนินการหลักที่ปรับปรุงการสร้างการพิสูจน์: การคูณแบบหลายสเกลาร์ (MSM) และการแปลงตามทฤษฎีจำนวน (NTT) ผู้เล่นคนสุดท้ายที่ออกจากการซ่อนตัวคือ Cysic ซึ่งประกาศรอบเมล็ดพันธุ์มูลค่า 6 ล้านดอลลาร์ระหว่าง ETH Denver Cysic มุ่งเน้นไปที่การเร่งความเร็วกลุ่มชายรักชายโดยใช้ FPGA ความยืดหยุ่นของ FPGA ช่วยให้สามารถรองรับระบบ ZK ต่างๆ ได้ วิธีการนี้คล้ายกับ Ulventanna ซึ่งประกาศรอบเมล็ดพันธุ์มูลค่า 15 ล้านดอลลาร์ในเดือนมกราคม ผู้เล่นรายอื่นในพื้นที่การพัฒนาชิป ZK ได้แก่ Ingonyama ซึ่งเปิดตัวไลบรารีชื่อ Icicle ที่เร่งการคำนวณสำหรับ MSM และ NTT บน GPU เช่นเดียวกับ Accseal, Snarkify และ Supranational นอกเหนือจากรายชื่อนี้ ยังมีบริษัทลับอื่นๆ และความพยายามในการวิจัยโดยผู้เล่นที่มีชื่อเสียงในพื้นที่ Web3 ตัวอย่างหลัง ได้แก่ การใช้ CycloneMSM ของ Jump Crypto เพื่อเร่งการคำนวณ MSM โดยใช้ FPGA และการใช้งาน FPGA ของ Jane Street เพื่อเร่ง MSM และ NTT

เนื่องจากการเร่งความเร็ว ZKP มีความสำคัญมากขึ้น การแข่งขัน (เช่น ZPrize) ที่ต้องการการประเมินการใช้งานที่แตกต่างกันอย่างยุติธรรมจึงกลายเป็นสถานที่สำคัญในการขับเคลื่อนสนามไปข้างหน้า ทัวร์นาเมนต์ปี 2022 มีเงินรางวัลมากกว่า 4 ล้านเหรียญสหรัฐ

ทรัพยากรทางการศึกษาที่เป็นประโยชน์

ในส่วนนี้ เราได้รวบรวมแหล่งข้อมูลด้านการศึกษาเพื่อช่วยให้นักพัฒนาเข้าใจช่องว่างของ ZKP นี่ไม่ใช่รายการที่ครบถ้วนสมบูรณ์ เนื่องจากมีเนื้อหาที่ยอดเยี่ยมมากมายในหัวข้อนี้ รายการที่ครอบคลุมพร้อมแหล่งข้อมูล zk ทั้งหมดสามารถพบได้ที่นี่และที่นี่ เป็นวิธีที่เป็นมิตรในการตั้งค่าและแจ้งให้นักพัฒนาทราบเกี่ยวกับความพยายามในพื้นที่นี้

สำหรับผู้ที่สนใจทำความเข้าใจพื้นฐานของ ZKP และวิธีการทำงาน หนึ่งในแหล่งข้อมูลแรกที่ควรตรวจสอบคือ ZK Whiteboard Sessions ที่ ZK Hack โดยเฉพาะอย่างยิ่งเซสชันเบื้องต้นทั้งสามของ Dan Boneh เป็นระดับสูงสำหรับทุกคนที่มีความเข้าใจทางคณิตศาสตร์อยู่บ้าง ส่วนที่เหลือของซีรี่ส์เกี่ยวข้องกับหัวข้อเฉพาะในฟิลด์

สรุปแล้ว

สรุปแล้ว

ลิงค์ต้นฉบับ

ลิงค์ต้นฉบับ