KeyFrame內部研究專用

Ron Rothblum on Fiat-Shamir Attacks, Flock and SNARK.fast

Zero Knowledge61 min英文
觀看原始影片

三句話摘要

Ron Rothblum教授分享他在零知識證明領域的最新研究進展,涵蓋Fiat-Shamir安全攻擊、多項式承諾方案演進、Flock高效證明系統及Snark.Fast AI優化競賽。 透過從純理論轉向實踐、將Fiat-Shamir漏洞從假設變為真實攻擊、並透過Flock和Snark.Fast將證明效率推向新高度,Ron Rothblum正推動零知識證明從學術理想化為可驗證的全球計算基礎設施。 理論與實踐的良性互動促進創新:Ron從純理論轉向應用研究後,實務團隊的具體問題指引他找到更有意義的研究方向。例如Succinct團隊在一元多項式上遇見的五個困難,都能被多元多項式技術解決,這直接促成jagged polynomial commitment方案的發展。

重點整理

  1. 理論與實踐的良性互動促進創新:Ron從純理論轉向應用研究後,實務團隊的具體問題指引他找到更有意義的研究方向。例如Succinct團隊在一元多項式上遇見的五個困難,都能被多元多項式技術解決,這直接促成jagged polynomial commitment方案的發展。

  2. Fiat-Shamir並非萬能之策:針對GKR協議的Fiat-Shamir應用發現實際攻擊,利用對角化技巧構造程式使其執行結果恰好等於雜湊值。這不是使用方式的錯誤,而是協議組合本身的安全性問題,呼應1994年CGH論文的長期警告。

  3. 誤差糾正碼選擇決定PCS特性:不同編碼方式有不同權衡,Bolt的sketch code透過先雜湊再編碼,可大幅加速證明卻保持驗證性能。多個方案可透過遞迴組合使用,各取所長。

  4. 硬體支援突破開啟新紀元:NVIDIA於2024年5月才在GPU加入二進制域支援,打破了長期瓶頸。結合Flock、多元多項式和二進制域,SP1 V7級別的ZKVM將達成前所未有的效能。

實用技巧與重點

  • 系統與工具
  • SP1、Flock、Blaze、TensorSwitch、Bolt、Vale、Snark.Fast、ZKGolf、Clean DSL
  • 關鍵概念
  • 多項式承諾方案(PCS)、誤差糾正碼(Reed-Solomon、sketch code)、Fiat-Shamir轉換、GKR協議、多元多項式vs一元多項式、二進制域
  • 具體數據
  • Flock證明時間約為計算時間的200倍
  • Snark.Fast純工程優化達成2.5-3倍效能提升
  • NVIDIA GPU二進制域支援上線時間:2024年5月
  • 重要論文與作者
  • Fiat-Shamir攻擊:Ron Rothblum、Lev Sukanov、Dmitri Khovratovich(2024年底)
  • Random Oracle model反例:Ran Canetti、Oded Goldreich、Shai Halevi(1994年CGH論文)
  • 機制創新
  • Sketch code:訊息→小摘要→Reed-Solomon編碼,保留原始訊息
  • Flock V2:支援遞迴、簽名聚合、更多邏輯
  • Binary field ZKVM:計畫作為SP1 V7推出
  • 硬體優化案例:Mac GPU CPU調度、Intel記憶體掃描優化
  • 終極目標
  • 「Proving as Fast as Computing」:將200倍開銷降至接近1倍

結論

透過從純理論轉向實踐、將Fiat-Shamir漏洞從假設變為真實攻擊、並透過Flock和Snark.Fast將證明效率推向新高度,Ron Rothblum正推動零知識證明從學術理想化為可驗證的全球計算基礎設施。

完整解析

Ron Rothblum是Technion電腦科學教授,2024年起也在Succinct工作。本次訪談中他詳細介紹了過去三年的研究軌跡,重點在於理論與實踐如何相互推進。

Ron原本是純理論家,但近年開始關注實務問題啟發的研究方向。加入Succinct後,轉變變得根本性:不再自己發明研究問題,而由工程師直接指出困難。例如Succinct採用一元多項式技術進行SP1設計,遇到多個性能瓶頸。Ron立即認識到多元多項式能解決五個問題,但他們需要說服工程師。轉折點出現在jagged polynomial commitment scheme的發展上——這種新的計算痕跡編碼方式將傳統分離編碼的晶片元件(加法器、乘法器等)合併為整體,大幅提升效率。這個突破促使整個ZK領域從一元轉向多元多項式。

Fiat-Shamir安全性是Ron另一重大貢獻。Fiat-Shamir轉換將互動式協議轉為非互動式,是區塊鏈生態的基礎——允許一次性發佈證明而無需在線互動。但2024年底,Ron與Lev Sukanov、Dmitri Khovratovich發現了對GKR協議的實際攻擊。GKR協議優勢是隱式承諾大量數據無需實際發佈,但正是這個特性成為漏洞。攻擊者可構造程式M,使得M在自身作為輸入時的執行結果恰好等於雜湊函數的輸出值,欺騙驗證者。這是對角化技巧的應用,非使用錯誤而是協議組合的內在缺陷。事實上Polyhedra公司採納了修復方案:強制雜湊函數深度超過被證明電路深度。這次發現呼應了1994年Canetti、Goldreich、Halevi的CGH論文所警告的隨機預言機啟發法的危險——看似安全的互動式協議在應用Fiat-Shamir後反而變得不安全。

多項式承諾方案的演進展示了密碼學設計的權衡藝術。傳統方案如Fry和Weir使用Reed-Solomon碼並優化驗證和證明大小。Ron開發的Blaze、TensorSwitch和Bolt則採用替代編碼方式,優先加速證明時間。其中Bolt使用的sketch code創新特別優雅:先將訊息雜湊至小摘要(如原大小的十分之一),僅對摘要應用Reed-Solomon編碼,同時保留原始訊息以確保編碼距離特性。結果是Reed-Solomon計算開銷降低十倍。這些方案還可透過遞迴組合使用:用Bolt產生快速證明,再用Weir驗證該證明,既保留快速證明又得到優質驗證。

Flock是此輪工作的皇冠。作為批量布爾電路高效證明系統,Flock的核心創新是採用傳統密碼學雜湊(SHA256等)而非Poseidon等專用雜湊進行零知識證明。此前無人確信這在效能上是可行的。Flock的成功直接促使以太坊基金會做出重大決策:放棄Poseidon轉向布爾型雜湊。這既是安全考量(Poseidon面臨新攻擊)也是效能確認。Flock還提供後量子安全性,對長期部署至關重要。

Snark.Fast代表了AI協助工程的新前沿。Succinct、Eigenlabs、以太坊基金會和Espresso聯合發起此競賽,保持Flock驗證者固定不變,邀請全球參賽者透過AI代理優化證明算法。成果遠超預期——純工程層面無協議改變下達成2.5-3倍效能提升。優化手法多樣:AI發現Mac機器上未被利用的GPU,優化CPU-GPU調度和任務排序。更有趣的是,不含GPU的Intel伺服器版本也達成3倍優化,表明深層優化來自算法層面(如減少記憶體掃描次數)。甚至有參賽AI為缺乏指定硬體的開發者構建了處理器模擬器。這場競賽催生了配套的ZKGolf,對電路描述本身進行優化,電路級改進又帶來額外10%效能提升。

Ron的核心關懷是「Proving as Fast as Computing」——目標將證明時間開銷從現在的約200倍降至接近1倍。他已將此議程設定於2020年的論文,如今Flock將其大幅推進。Flock V2正在開發中,將支援遞迴、簽名聚合等更多功能。更宏大的願景是基於Flock和二進制域的ZKVM,計畫作為SP1 V7推出,整合所有經驗教訓。二進制域長期被視為理論方向,直到NVIDIA於2024年5月在GPU中加入支援,這才打破了實踐瓶頸。結合二進制域的速度、Flock的高效和多元多項式的優勢,下一代ZKVM將達成前所未有的性能。

若證明開銷最終降至近似1倍,世界上的所有計算都將變得可驗證——個人設備、機器學習訓練、AI代理運作,任何東西都可廉價驗證。這將根本改變軟體信任模型,尤其在AI代理日益普遍時代,提供對所有計算的密碼學保證,而非仰賴外部廠商的不透明承諾。

72 min
AI 技術英文PODCAST11月18日

Generative Cryptography, AI & Scaling Trust with Nicola Greco

Zero Knowledge看原片 ↗
  • 密碼學面臨的完整威脅堆疊:威脅不止於基礎假設,還包括密碼庫的交付方式、協議參數設定、實現細節、側通道攻擊與安全證明等每一層。這就是為何需要「密碼學韌性」而非簡單的「後量子」或「後AI」標籤,因為這涉及整個系統的防禦升級。
  • 生成密碼學的雙軌道:一是改進現有密碼學(通過更好的數據集、形式驗證、研究迴路加速),二是發明新密碼學(讓AI生成新假設、新定義、新協議)。後者透過將智能體放入對抗環境中強制其設計新密碼學應用,可能發現人類尚未探索的密碼原始。
76 min
AI 技術英文PODCAST11月11日

When Math Meets Auto Research with Bartosz Naskręcki

Zero Knowledge看原片 ↗
  • 一、自動研究的適用範圍與侷限 Bartosz強調自動研究特別適合具有複雜組合空間、已知演算法工具、但需要大量耐心和嘗試的問題。ecdsa.fail競賽之所以成功,是因為該演算法模組化,可分解為多個獨立優化的部分,允許多人並行工作。然而這種方
  • 二、AI解決問題的隱藏機制 AI模型本質上是翻譯機器,能將問題重新表述為多種形式。許多看似困難的數學問題,實際上只是定義和表述的問題,AI通過自動重新語境化(context translation)而輕鬆解決。這解釋了為何某些困擾人類數十年
50 min
Web3 安全英文PODCAST10月28日

From Nova to Magnetar: Three Years of Research with Srinath Setty

Zero Knowledge看原片 ↗
  • 1. 安全與效率的權衡突破
  • Magnetar的核心動機是建構最安全的通用ZKVM,只依賴經過驗證的標準雜湊函數。研究團隊發現,這種「極簡」設計反而帶來顯著性能優勢——比依賴橢圓曲線或特製雜湊函數(Poseidon)的「雜湊加」系統快超過一個數量級。這打破了人們對安全與