Tác giả văn bản gốc: Fox Tech CTO Lin Yanxi, Giám đốc điều hành Fox Tech Kang Shuiyue

tiêu đề phụ

Kịch bản ứng dụng nhỏ

tiêu đề phụ

Kịch bản ứng dụng cỡ trung bình

tiêu đề phụ

Kịch bản ứng dụng lớn

Lớp 2 của zkRollup và zkEVM là các ứng dụng cuối cùng của bằng chứng không kiến ​​thức trong Web3, được sử dụng để xử lý các thay đổi trạng thái do các khả năng khác nhau trong VM hoặc EVM mang lại. So với độ phức tạp của các ứng dụng nhỏ, điều đó có nghĩa là mức độ tăng lên.Chúng có yêu cầu cao hơn về công nghệ và khối lượng công việc phát triển, và vẫn còn một bước nhảy vọt về công nghệ để đạt được trải nghiệm người dùng lý tưởng.

tiêu đề cấp đầu tiên

Các thuật toán hiệu quả và ngăn xếp phát triển trưởng thành là các nhánh cốt lõi

Một bộ thuật toán zero-knowledge hoàn chỉnh cần trải qua các giai đoạn nghiên cứu lý thuyết, xây dựng công cụ phát triển và phát triển ứng dụng cụ thể từ nghiên cứu đến ứng dụng. Trong số đó, vấn đề hiệu quả là một trong những điểm nghẽn lớn nhất trong giai đoạn tiếp theo của ứng dụng bằng chứng không kiến ​​thức, bao gồm hiệu quả của thuật toán và hiệu quả của quá trình phát triển.

Về hiệu quả của thuật toán, các bằng chứng không kiến ​​thức khác nhau sử dụng các phương pháp khác nhau để biểu thị mạch cần chứng minh và dựa trên những khó khăn toán học khác nhau đằng sau chúng. Những yếu tố này sẽ ảnh hưởng đến hiệu quả của thuật toán. Cụ thể, các chỉ số hiệu quả quan trọng của thuật toán bằng chứng không kiến ​​thức bao gồm kích thước bằng chứng, thời gian bằng chứng, thời gian xác minh, v.v. Hiện tại, một số lượng lớn thuật toán có thể đạt được thời gian xác minh ngắn hơn và các kỹ thuật tổng hợp khác nhau cũng có thể nén kích thước bằng chứng, trong khi thời gian chứng minh là nút cổ chai chính.

Mô tả hình ảnh

Hình 1: Các thuật toán chứng minh zero-knowledge khác nhau

Dự kiến ​​trong tương lai sẽ có nhiều đội đầu tư tâm sức nghiên cứu nhiều hơn về thuật toán zero-knowledge proof để tìm ra thuật toán đáp ứng tốt nhất đặc thù của dự án. Ví dụ: các dự án Lớp 2 như FOX nhấn mạnh vào việc thiết kế các thuật toán đạt đến giới hạn dưới lý thuyết của chỉ báo chính về thời gian kiểm chứng, độ phức tạp tuyến tính O(C), thời gian xác minh logarit và không yêu cầu cài đặt đáng tin cậy. Thuật toán này rất phù hợp để hỗ trợ mạng có thể mở rộng mà không có giới hạn trên về dung lượng.

Mô tả hình ảnh

tiêu đề cấp đầu tiên

Tăng tốc phần cứng giúp mở nhánh và lá

Tăng tốc phần cứng là chìa khóa để cải thiện hơn nữa hiệu quả của bằng chứng không kiến ​​thức và đưa các ứng dụng quy mô lớn đến gần hơn với sự hoàn thiện. Và điều này liên quan đến hai vấn đề: thứ nhất, hoạt động nào có thể được tăng tốc và thứ hai, phần cứng nào có thể được sử dụng để tăng tốc.

Đối với câu hỏi đầu tiên, sự khác biệt chính giữa các bằng chứng không kiến ​​thức khác nhau nằm ở phương pháp cam kết đa thức. của phép tính FFT và phép toán MSM nhân chấm ECC được sử dụng để tạo đa thức và cam kết, cả hai đều tốn kém về mặt tính toán. Cụ thể, MSM có khả năng tăng tốc bằng cách chạy trên nhiều luồng, nhưng tốn nhiều bộ nhớ và chậm ngay cả khi được song song hóa cao, trong khi FFT phụ thuộc nhiều vào việc xáo trộn dữ liệu thường xuyên trong khi thuật toán đang chạy, khiến chúng rất khó tăng tốc. bằng cách phân phối tải trên các cụm máy tính. Do đó, việc tăng tốc các hoạt động này hiện có nghĩa là chi phí cao.

Ngoài ra, STARK do Starkware phát triển và FOAKS do FOX phát triển chủ yếu liên quan đến các hoạt động băm trong quy trình FRI. Mặc dù FFT cũng có nhưng số lượng không lớn. Do đó, hai thuật toán này có thể sử dụng khả năng tăng tốc phần cứng để nâng cao hiệu quả hoạt động.

Ở cấp độ phần cứng, chủ yếu có ba tùy chọn: GPU, FPGA và ASIC, mỗi tùy chọn có các đặc điểm khác nhau:

• GPU: GPU có thể tăng tốc tính toán song song thông qua các thuật toán nhất định. Hiệu quả của việc sử dụng tăng tốc GPU phụ thuộc vào thuật toán cụ thể. Ví dụ: thuật toán FOAKS được sử dụng trong FOX không có nhiều hoạt động FFT và MSM và bản thân thiết kế ZKEVM của nó chứa một số lượng lớn các phần có thể được tính toán song song , để có thể thu được một số lượng lớn phép tính thông qua GPU.

• FPGA: FPGA là một mạch tích hợp có thể lập trình, vì vậy các nhà phát triển có thể tùy chỉnh và tối ưu hóa máy khai thác cho thuật toán ZK.

• ASIC: ASIC là một chip mạch tích hợp được thiết kế đặc biệt cho một mục đích cụ thể. Tuy nhiên, do ASIC quá tùy biến nên sẽ cần nhiều thời gian và chi phí hơn, có lẽ quá trình lặp lại phần cứng sẽ dần dần phát triển theo hướng ASIC với quy mô ngành ngày càng tăng, nhưng sẽ không thể hoàn thành trong một bước. Sau khi các nhà sản xuất phần cứng chuyên nghiệp như Bitmain tham gia vào lĩnh vực này, ASIC có thể trở thành một lựa chọn chính.

tiêu đề cấp đầu tiên

thiết kế cơ chế zkPOW là lớp kem trên bánh

Cuối cùng, với phần cứng và phần mềm hoàn chỉnh, thiết kế cơ chế là bước cuối cùng để làm cho nó ổn định và tiến bộ. Prover ban đầu của mỗi dự án zkRollup thường gần với dịch vụ tập trung truyền thống hơn: nó được triển khai trên đám mây và bên dự án được hưởng riêng phần lợi ích này. Tuy nhiên, theo tường thuật của Web3, công việc của Prover trong tương lai nhất định sẽ phát triển theo hướng phi tập trung hóa và sự phát triển đó cũng có những ưu điểm sau:

• Nhiều người sẽ có thể chia sẻ sức mạnh tính toán do bằng chứng tạo ra và thu nhập được chia sẻ sẽ bị ràng buộc với lợi ích của dự án. Cơ chế khuyến khích này sẽ có nhiều sức mạnh tính toán cục bộ hơn, để cùng xây dựng và phát triển hệ sinh thái với các bên và quỹ dự án.

• Một cơ chế phi tập trung tốt sẽ tạo ra sức mạnh lớn hơn để thúc đẩy tiến bộ công nghệ, cho phép nhiều chuyên gia từ tất cả các bên cống hiến sức lực cho nghiên cứu để liên tục cải thiện hiệu quả hệ thống và cho phép người dùng có được trải nghiệm tốt hơn.

• Cơ chế phi tập trung sẽ thích ứng tốt hơn với những thay đổi năng động của nhu cầu.

Tuy nhiên, có khá nhiều thách thức trong việc phân cấp quy trình chứng minh, chẳng hạn như loại hình hợp tác đồng thuận nào sẽ được tất cả các bên áp dụng sau khi phân cấp, cấp độ nào của quy trình chứng minh nên được giao nhiệm vụ phi tập trung, làm thế nào để duy trì hiệu quả truyền thông và tránh sự xâm lược có thể xảy ra, v.v.

Tuy nhiên, một số giải pháp khả thi lý tưởng đã được đưa vào tầm nhìn của một số dự án.Ví dụ: thiết kế của FOX bao gồm giải pháp zkPOW, có thể đạt được các mục tiêu sau:

• Tăng sức mạnh tính toán bằng cách giới thiệu tính ngẫu nhiên: Việc tính toán tạo bằng chứng không có kiến ​​thức khác với tính toán POW truyền thống. rút lui, và sau khi giành được độc quyền, nhà cung cấp sức mạnh tính toán không còn động lực để tăng sức mạnh tính toán, làm mất đi ý định phân quyền ban đầu.

• Nhận ra sự công bằng trong phân phối bằng cách giới thiệu thuật toán thu nhập sức mạnh tính toán: Sơ đồ phân phối công bằng sẽ làm cho thu nhập dự kiến ​​của mỗi nhà cung cấp năng lượng tính toán tỷ lệ thuận với sức mạnh tính toán của nó trong thời gian dài, điều đó có nghĩa là sơ đồ này sẽ cho phép zkMiner kiếm được thu nhập bằng cách đầu tư sức mạnh tính toán , và rất khó để có được thu nhập ưu đãi vượt mức thông qua các phương tiện bất hợp pháp. Về lâu dài, một thuật toán thu nhập sức mạnh tính toán hợp lý cũng có thể đảm bảo sự ổn định của số lượng nhà cung cấp năng lượng tính toán trong hệ thống, đồng thời cũng có nghĩa là khả năng chống lại các cuộc tấn công cao hơn.

Trong thiết kế zkPOW của FOX, những người tham gia gửi bằng chứng trong một khoảng thời gian sau khi gửi bằng chứng đầu tiên có thể nhận được các ưu đãi theo tỷ lệ khác nhau. Đồng thời, bằng cách giới thiệu tính ngẫu nhiên, nội dung được gửi của mỗi bằng chứng là khác nhau. Điều đó có nghĩa là mỗi lần gửi bằng chứng phải qua tính toán chứng minh đầy đủ. Và thông qua phân phối theo tỷ lệ được thiết kế cẩn thận, thu nhập dự kiến ​​của mỗi người tham gia sẽ tỷ lệ thuận với sức mạnh tính toán của họ, điều này sẽ tạo ra các khuyến khích tích cực cho mỗi người tham gia để cải thiện hiệu quả tính toán và cuối cùng mang lại lợi ích cho người dùng dự án và tận hưởng an toàn hơn, nhanh hơn và rẻ hơn dịch vụ zkRollup.