ALI:技術入門 | 深入理解零知識證明算法之Zk-stark：Low Degree Testing_ICE

前言

本系列的第二篇文章，以超市收據為例，描述了Arithmetization的具體過程。本文將以另外一個例子為基礎，在回顧Arithmetization過程的同時，將內容引申到多項式的LDT過程。

新的實例

AliceClaim：“我有1000,000個數，他們都在范圍內”。為了方便驗證者Bob驗證，Alice首先要對Claim進行Arithmetization轉換。過程如下圖1所示(圖中：黑色箭頭代表主流程，紅色箭頭代表附加說明信息，黃色圈對應下面詳細說明的索引)

下面具體說明一下對應流程：

首先生成執行軌跡(EXCUTETRACE)，事實上，它是一張表，總共有1000,000行；

生成多項式約束(PolynomialConstrains)，多項式約束滿足執行軌跡的每一行(個人理解：步驟1，2沒有一定的先后依賴關系，只是習慣上先生成執行軌跡，再生成約束多項式)；

對執行軌跡進行插值，得到一個度小于1000,000的多項式P(x)、x取值，并計算更多點上的值，x取值范圍擴大到(Reed-Solomen系統編碼)；假如，證明者有一個值不在范圍內(圖中紅線1/2所示)，假如就是第1000,000個點，它實際的值是13，大于9，其插值后的曲線G(x)如圖所示，圖中P(x)為有效曲線，G(x)為無效曲線。可以看出，兩條曲線在變量x取值范圍內，最多有1000,000個交點，即有1000,000,000-1000,000個點不同，這很重要。

將插值后的多項式P(x)和多項式約束進行組合變換，最終得到的形式為：

調查：近80%的受訪者稱其公司已就支付相關的區塊鏈技術進行試驗:根據Ripple最新的調查，Ripple于8月和9月向22個國家/地區的854位全球支付行業高管詢問了他們對數字資產的興趣，他們都參與了數字銀行、零售銀行、匯款服務商和支付聚合商的支付服務。其中34％的受訪者表示，他們的公司已經在開發與支付相關用例的區塊鏈技術。24%的受訪者表示他們正在投入生產，而有21％的人表示正在為區塊鏈技術進行試驗或概念驗證。此外，47％的受訪者表示他們對比特幣感興趣，25％的受訪者對以太坊感興趣，19％的受訪者對XRP感興趣。這些數據均低于2018年，當時加密市場還處于長期回調的初期階段。調查還表明，加密貨幣的波動性仍然困擾著金融專業人士。（Dailyhodl ）[2020/10/18]

Q(P(x))=Ψ(x)*T(x)，其中T(x)=(x-1)(x-2)……(x-1000,000)，x取值

其中，d(Q(P(x)))=10,000,000、d(Ψ(x))=10,000,000-1000,000、d(T(x))=1000,000；

至此，問題就轉化成了，Alice宣稱“多項式等式在變量x取值范圍內成立”的問題。那么驗證者Bob該如何驗證呢？具體過程如下：

證明者Alice在本地計算多項式P(x)、Ψ(x)在所有點上的取值，對！從1至1000,000,000，并形成一個默克爾樹；

驗證者Bob隨機的從內選取一個值ρ，并發送給證明者Alice，要求其返回對應的信息；

證明者Alice返回P(ρ)、Ψ(ρ)、root、AuthorizedPath(P(ρ)、Ψ(ρ))給驗證者Bob；

驗證者Bob首先根據默克爾樹驗證路徑驗證值P(ρ)、Ψ(ρ)的有效性，然后等式Q(P(ρ))=Ψ(ρ)*T(ρ)，如果成立，則驗證通過；

聲音 | 工行原行長：區塊鏈等技術不斷成熟和使用，銀行與客戶的關系正發生重大變化:12月1日，中國銀保監會國際咨詢委員會委員、中國工商銀行原行長楊凱生在2019年第一財經金融科技峰會上表示，隨著科技進步，互聯網、大數據、云計算、區塊鏈技術不斷成熟和使用，銀行與客戶的關系正發生重大變化，銀行信貸業務已不再僅靠銀行自身就能做好。（第一財經）[2019/12/2]

完整性分析：如果驗證者Alice是誠實的，那么等式Q(P(x))一定會被目標多項式T(x)整除，因此必定存在一個d(Ψ(x))=d(Q(P(x)))-d(T(x))的多項式Ψ(x)，滿足Q(P(x))=Ψ(x)*T(x)，因此對于任意的x，取值在之間，等式都會成立；

可靠性分析：如果驗證者Alice是不誠實的，即類似于步驟3里的假設，在x=1000,000上，P(x)的取值為13，那么Q(P(1000,000))!=0，但是等式右邊，T(1000,000)=0，因此Q(P(x))!=Ψ(x)*T(x)，即等式兩邊是不相等的多項式，其交點最多有10,000,000個，因此通過一次隨機選取，其驗證通過的概率僅為10,000,000/1000,000,000=1/100=0.01，經過k次驗證，其驗證通過的概率僅是1-10(^-2k)；

上述的驗證過程為交互式的，如果是非交互式的，可以利用Fiat-Shamirheuristic進行變換，以默克爾樹的根作為隨機源，生成要查詢的隨機點；

LDT

我們忽略了一種攻擊方式，即針對每一個數x，證明者都隨機生成p，然后根據Ψ(x)=Q(p)/T(x)，這些點不在任何一個度小于1000,000的多項式上，但是可以通過驗證者驗證。如下圖2所示：

聲音 | 華爾街分析師：去中心化金融和擔保服務可能推動BTC和加密技術的采用:據UTB今日報道，華爾街金融分析師、比特幣支持者Max Keiser稱，比特幣將被視為一種交易媒介或記賬單位。隨著加密貨幣領域的擔保服務的發展，可能會加大比特幣的采用。據DefiPulse數據，去中心化金融（DeFi）鎖定的美元總價值正創下新高。目前，有6.801億美元被鎖定，其中MakerDAO是最大的DeFi解決方案，市場上的其他解決方案包括Compound、syn、InstaDapp和dYdX等。如果這些DeFi解決方案在市場上繼續增長和擴大，最終對比特幣的需求也會增加。[2019/11/30]

圖中：紫色的點為隨機生成的點p，這些點大概率不在一個度小于1000,000的多項式上(事實上，可以不考慮前1000,000個點，因為驗證者只會從范圍內取值)。因為即使選擇1000,000個點插值出一個度小于1000,000的多項式，也不能保證其他的點在這個多項式上，因為其他的點是隨機生成的。因此，需要有一種方式，保證證明者P(x)的度是小于1000,000，Ψ(x)的度小于10,000,000-1000,000。這就是LDT的目標，那LDT具體的過程是怎么樣的呢？請繼續往下看。

舉個栗子，如果Alice想證明多項式f(x)的度是小于3的，即有可能是2次的或者是1次的。一般流程如下：

驗證者Bob隨機選取三個值a,b,c，發送給證明者Alice；

證明者Alice返回f(a),f(b),f(c)；

驗證者Bob插值出度小于3的多項式g(x)，然后再隨機選取一個點d，發送給證明者；

證明者Alice返回f(d)；

驗證者Bob比對f(d)和g(d)的值，如果相等，則證明成立。

回歸到一般情況，其過程可以用下圖3表示：

韓國將在區塊鏈技術開發上投資2.3億美元:據bitcoinist消息，6月21日，韓國科技部公布了區塊鏈技術發展戰略，為區塊鏈技術的發展撥款2300億韓元(約合2.3億美元)。[2018/6/25]

可以看出，如果D很大，Alice和Bob交互的次數則為D+k次，復雜度很高；有沒有一種辦法，使得兩者之間交互的次數小于D的情況下，使得驗證者相信多項式的度是小于D的，直接返回小于D個點肯定是不行的，因為那不能唯一確定一個度小于D的多項式，因此需要證明者需要額外發送一些輔助信息。下面我們以P(x)為例，詳細闡述這個過程(事實上，應該是證明P(x)和Ψ(x)的線性組合小于10,000,000-1000,000，本文重點是LDT，因此只以P(x)為例，這并不影響對LDT的理解)。

假如P(x)=x+x^999+x^1001+x^999999=x+x^999+x*x^1000+x^999*(x^1000)^999;

此時，我們找到一個二維多項式G(x,y)，取值范圍分別是、，滿足：

G(x,y)=x+x^999+x*y+x^999*y^999可以發現，當y=x^1000時，滿足：

G(x,y)=G(x,x^1000)=x+x^999+x*x^1000+x999*(x^1000)^999=P(x)

如果我們能證明G(x,y)相對的x,y的最高度都是小于1000，因為P(x)=G(x,x^1000)上，因此可以相信P(x)的度小于1000,000；如圖4所示：

萬事達卡國際總裁：區塊鏈技術能提升B2B支付、貿易金融領域的業務效率:萬事達卡國際總裁安康蒔近日在采訪中表示，區塊鏈技術能提升B2B支付、貿易金融領域的業務效率。全球仍有20億人無法享受現有金融服務，普惠金融應惠及中小企業，讓它們能夠接觸到最前沿的金融技術。中國市場在萬事達卡全球戰略中非常重要。[2018/5/22]

驗證者把所有的點都計算好，形成一顆默克爾樹。驗證者隨機選擇一行和一列，如圖中紅線1/2所示，對于每一列，它是由關于y的度小于1000的多項式生成，對于每一行，它是由關于x的度小于1000的多項式生成。驗證者從行/列中隨機選擇1010個點，用來驗證對應行/列上的點是否在度小于1000的多項式上，需要注意的是，因為P(x)的點都在上圖的對角線上，因此我們要確保每一行/列對應的對角線上的點也在對應的度小于1000的多項式上，即1010個里面一定要包含對角線的點。

可靠性分析：如果原始多項式的度實際上是小于10^6+10999，即P(x)=x+x^999+x^1001+x^1010999，那么對應的G(x,y)為G(x,y)=x+x^999+x*y+x^999*y^1010，即，對于每一個x，G(x,y)是關于y的一元多項式函數，且度d<1010，因此下圖中的每一列所有點都是在度d<1010的多項式上，而不在d<1000的多項式式上。所以如果證明者任然宣稱多項式P(x)的度d<1000,000，則會驗證失敗，其他場景是同樣的道理

那有沒有可能惡意證明者仍以G(x,y)=x+x^999+x*y+x^999*y^999的形式去生成證據呢？這樣會驗證通過嗎？

我們知道，我們在驗證時著重強調了對角線上的那一點一定要在多項式上，我們知道，此時對角線對應的多項式形式是

P(x)=x+x^999+x1001+x^999999，而實際的P(x)，我們在這里標記為P`(x)，其形式是：

P`(x)=x+x^999+x^1001+x^1010999

因此，如果驗證者恰好選擇的點是兩個多項式的交點，則會驗證通過，事實上，兩個多項式最多有1000,000左右個交點，但是由于隨機選取的點不是證明者自己選取，是由默克爾樹的根為種子隨機生成，因此證明者沒有機會作惡，去可以選取那些能通過驗證的點。

由于總共由10^9個點，因此隨機選取一個點，能驗證成功的概率為10^6/10^9=10^(-3)，如果選擇k行，則成功的概率僅為10^(-3k)。

以上可以看出，驗證者和證明者只需要交互1010*2*k個點，就可以完成驗證，假如k=10，則1010*2*10=20100<<10^6。

雖然上述實現了在交互次數小于D的情況下，完整LDT驗證，但是證明者的復雜度過于龐大，至少10^18的復雜度遠遠大于原始的計算，因此需要一些優化方案，降低復雜度。話不多說，直接引入有限域，畢竟在實際項目中，我們可不希望數值本身過于龐大。直接引用費馬小定理的結論：在有限域p內，如果滿足(p-1)能被k整除，則映射x=>x^k的像只有(p-1)/k+1個。下圖5以p=17，映射x=>x^2為例：

圖中，紅色為x^2在有限域p內的象，總共由(p-1)/2+1=9個。同時我們可以發現，9^2和8^2的像一致，10^2和7^2的像一致，以此類推，16^2和1^2的像一致，記住這個現象，對下一張圖的理解有幫助。

因此，在本例中，我們選擇一個素數p=1000,005,001，其滿足：

為素數

p-1能被1000整除

p要大于10^9

因此，在有限域p內，x=>x^1000的像在p內有(p-1)/1000=1000,005個，因此圖4可以變成圖6的形式：

可以看出，列坐標變成了10^6個元素，對角線變成了平行的線條，總共有1000個。還記得上面費馬小定理結論的特殊現象嗎？這就是對角線這種分布的原因，讀者試著去理解(可能讀者會覺得，對角線應該是鋸齒形，不是這種平行的形式，也許你是對的，但是這并不影響驗證流程)。此時證明者的復雜度已經從10^18減少到了10^15次方，證明和驗證過程和步驟3描述的仍然一致。

還能不能繼續優化呢？答案是肯定的。回想起前面所述的驗證過程，對于每一行/列，驗證者都要獲取1000個點進行插值得出一個度小于1000的多項式，仔細觀察圖6，對于每一行，原始數據里不就是有1000個數么？那我們干脆選這些點插值出一個度小于1000的多項式，然后只需要隨機讓證明者再計算任何一列，并且證明沿著列上的點都在度小于1000的多項式上，并且列上的點也在對應的利用原始數據插值出的行多項式上。此時，證明者復雜度從10^15減少到了10^9次方。

總結：個人理解，從步驟1到步驟5，其實是PCP到IOP的選擇過程。

PCP要求證明者生成全部的證據，然后驗證者多次隨機選取其中的某一部分進行驗證，但是這樣，證明者的復雜度仍然很高；

IOP要求證明者不用生成全部的證據，根據多次的交互，每次生成只需生成部分證據，使得證明的復雜度和D呈近似線性關系；

證明者復雜度已經降低到了與D呈擬線性關系，驗證者的復雜度雖然是亞線性，交互次數已經低于D，但是能不能優化到更低呢？基于證明復雜度的最優設置，我們繼續探索驗證復雜度的優化之路，回顧P(x)=x+x^999+x^1001+x^999999=x+x*(x^2)^499+x*(x^2)^500+x*(x^2)*499999，令G(x,y)=x+x*y^499+x*y^500+x*y^499999，則當y=x^2時，有G(x,y)=G(x,x^2)=x+x*(x^2)^499+x*(x^2)^500+x*(x^2)*499999=P(x)。最終的圖應如下圖7所示：

從圖中可知：

證明則復雜度仍為10^9次方；

每一行上的點都在度d<2的多項式上，因為當y取固定值時，G(x,y)就是關于x的一次多項式；

每一列上的點都在度d<D/2的多項式上，證明者需要證明這個多項式是小于D/2的，假定這個多項式為P1(x)，這個時候，并非驗證者選取大于D/2個點去驗證，因為驗證復雜度仍然不夠低，而是對這一列再一次用到類似于P(x)的處理過程，如圖7中下面的圖所示，以此循環，直到可以直接判斷列上的多項式的度為止，類似于行。

總結

至此，本篇文章就結束了，總結下來，本文主要闡述了以下幾個內容：

如何轉換問題形式--Arithmetization

為何需要LDT--為了驗證簡潔

LDT的大概過程--二分法驗證，類似于FFT

降低LDT的復雜度--有限域+IOP

至于LDT的詳細過程，將留給本系列的最后一篇，敬請關注。

謝謝大家，歡迎批評指正，有任何問題或者疑問可以留言。

Tags：LICALIICEALICEPublicaALIFICEBRKalice幣前景

狗狗幣價格