原文标题：《AN 沙巴三公INTRODUCTION TO ZERO-KNOWLEDGE MACHINE LEARNING (ZKML)》

原文开始：Worldcoin

原文编译：深潮 TechFlow

Zero-Knowledge 机器学习（ZKML）是最近正在密码学界引起颤动的一个接洽和开辟范畴。但它是什么，有什么用处呢？最初，让咱们把这个术语理解成它的两个构成部分，并解释一下它们是什么。

零常识讲解是一种密码契约，其中一方（讲解者）不错向另一方（考证者）讲解一个给定的述说是真确的，而不泄露除该述说为真之外的任何附加信息。这是一个正在各个方面获取巨猛弘扬的接洽范畴，涵盖了从接洽到契约实施和应用的所有方面。

ZK 提供的两个主要「原语」（或者说构建块）是概况为一组给定的计较创建具有计较无缺性讲解的武艺，其中讲解比实施计较自己要容易地多。（咱们称这种属性为「直苟且」）。ZK 讲解也提供了遮掩计较中某些部分同期保握计较正确性的选项。（咱们称这种属性为「零常识性」）。

生成零常识讲解需要相当大的计较量，大致比原始计较贵 100 倍。这意味着，在某些情况下由于最好硬件上生成它们所需的时候使其不切本体，因此不成计较零常识讲解。

关联词，在连年来密码学、硬件和溜达式系统范畴的跨越还是使零常识讲解成为了越来越强盛的计较可行的遴荐。这些弘扬还是为不错使用计较密集型讲解的契约的创建提供了可能，从而扩大了新应用表率的规划空间。

零常识密码学是 Web3 空间中最流行的时间之一，因为它允许开辟东谈主员构建可膨大和/或寥落的应用表率。以下是一些实验中怎样使用它的示例（尽管请驻守，这些技俩中好多皆还在进行中）：

1. 通过 ZK rollups 膨大以太坊

Starknet

Scroll

Polygon Zero，Polygon Miden，Polygon zkEVM

zkSync

2. 构建保护秘密的应用表率

Semaphore

MACI

Penumbra

Aztec Network

3. 身份原语和数据开始

原料端，纯苯端，进入10月后，纯苯库存持续去化。月底贸易商补空带动港口月差大幅走强。然山东价格持续偏弱，后续关注港口-山东价差是否会带动物流，低库存下港口弹性仍存。

WorldID

Sismo

Clique

Axiom

4. 第一层契约

Zcash

Mina

跟着 ZK 时间的造就，咱们确信将会出现新的应用表率的爆发，因为构建这些应用表率所使用的用具将需要更少的范畴专科常识，对于开辟东谈主员来说将会愈加容易使用。

机器学习是东谈主工智能（「AI」）范畴的一个接洽标的，使得计较机不错自动从警戒中学习和创新，无需明确地进行编程。它欺骗算法和统计模子来分析和识别数据中的模式，然后基于这些模式进行预计或决策。机器学习的最终主见是开辟出概况自得当学习、不需要东谈主类烦嚣以及在医疗保健、金融和交通等各个范畴措置复杂问题的智能系统。

最近，您可能还是看到了大型说话模子（如 chatGPT 和 Bard）以及文本到图像的模子（如 DALL-E 2、Midjourney 或 Stable Diffusion）的弘扬。跟着这些模子变得越来越好，况且概况实施更世俗的任务，了解是哪个模子实施了这些操作就变得相当蹙迫，照旧操作由东谈主类实施。在接下来的部分中，咱们将探讨这个念念路。

皇冠体育

咱们生计在一个寰球上，AI/ML 生成的内容越来越难以与东谈主类生成的内容辨别开来。零常识密码学将使咱们概况作念出这么的声明：「给定一段内容 C，它是由模子 M 应用于一些输入 X 生成的。」咱们将概况考证某个输出是否是由大型说话模子（如 chatGPT）或文本到图像模子（如 DALL-E 2）等任何其他咱们为其创建了零常识电路默示的模子所生成的。这些讲解的零常识属性将使咱们概况字据需要也遮掩输入或模子的某些部分。一个很好的例子是在一些敏锐数据上应用机器学习模子，在不清楚输入到第三方的情况下，用户不错知谈他们的数据在模子推理后的恶果（举例，在医疗行业）。

咱们对零常识密码学在为 ML 模子创建讲解的高下文中的现存时间水平进行了一些接洽，并创建了一个团聚相干接洽、著作、应用表率和代码库的著作集。ZKML 的资源不错在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。

Modulus Labs 团队最近发布了一篇名为「智能的老本」的论文，其中对现存的 ZK 讲解系统进行了基准测试，比肩举了不同大小的多个模子。现在，使用像 plonky2 这么的讲解系统，在强盛的 AWS 机器上开动 50 秒傍边，不错为约 1800 万个参数的模子创建讲解。以下是该论文中的一张图表：

另一个旨在创新 ZKML 系统时间水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模子的 ZK 讲解。这使得任何 ML 工程师皆概况为他们的模子的推理门径创建 ZK 讲解，并向任何正确达成的考证器讲解输出。

有几个团队正在创新 ZK 时间，为 ZK 讲解里面发生的操作创建优化硬件，并针对特定用例构建这些契约的优化达成。跟着时间的造就，更大的模子将在较不彊盛的机器上短时候内进行 ZK 讲解。咱们但愿这些弘扬将使新的 ZKML 应用表率和用例得以出现。

潜在的使用案例

为了笃定 ZKML 是否适用于特定的应用，咱们不错考虑 ZK 密码学的特质将怎样措置与机器学习相干的问题。这不错用一个 Venn 图来确认：

界说：

1.Heuristic optimization—一种问题措置范例，它使用警戒端正或「启发式」来找到曲折的问题的好措置决议，而不是使用传统的优化范例。启发式优化范例旨在在相对的蹙迫性和优化难度下，在合理的时候内找到好的或「富余好」的措置决议，而不是尝试找到最优措置决议。

2.FHE ML—统统同态加密 ML 允许开辟东谈主员以保护秘密的花式测验和评估模子；关联词，与 ZK 讲解不同，莫得观点通过密码学花式讲解所实施的计较的正确性。

像 Zama.ai 这么的团队正在从事这个范畴的责任。

3.ZK vs Validity—在行业中，这些术语频繁被互换使用，因为灵验性讲解是 ZK 讲解，不会遮掩计较或其恶果的某些部分。在 ZKML 的高下文中，大大宗刻下的应用表率皆欺骗了 ZK 讲解的灵验性讲解方面。

4.Validity ML—ZK 讲解 ML 模子，在其中莫得计较或恶果被守密。它们讲解计较的正确性。

以下是一些潜在的 ZKML 用例示例：

1. 计较无缺性（灵验性 ML）

Modulus Labs

基于链上可考证的 ML 往来机器东谈主 - RockyBot

自我创新视觉区块链（示例）：

增强 Lyra 金融期权契约 AMM 的智能特质

为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）

使用 ML for Aztec Protocol（具有秘密功能的 zk-rollup）致力于于于合同级合规用具所需的时间打破。

2. 机器学习即干事 (MLaaS) 透明；

3.ZK 特地/诓骗检测：

这种应用场景使得可创建针对可欺骗性/诓骗的 ZK 讲解成为可能。特地检测模子不错在智能合约数据上进行测验，并由 DAOs 答允当作意旨的度量尺度，以便概况自动化安全表率，如更主动、防护性地暂停合约。已有初创企业正在接洽在智能合约环境中使用 ML 模子进行安全主见的范例，因此 ZK 特地检测讲解似乎是当然的下一步。

4.ML 推理的通用灵验性讲解：概况直率讲解和考证输出是给定模子和输入对的乘积。

5. 秘密 (ZKML)

6. 去中心化的 Kaggle：讲解模子在某些测试数据上的准确率大于 x%，而不会自满权重。

7. 秘密保护推理：将对私东谈主患者数据的医疗会诊输入模子，并将敏锐的推理（举例，癌症测试恶果）发送给患者。

8.Worldcoin：

IrisCode 的可升级性：World ID 用户将概况在他们的移动树立的加密存储中自我撑握其生物特征，下载用于生成 IrisCode 的 ML 模子并在腹地创建零常识讲解，以讲解其 IrisCode 已得胜创建。这个 IrisCode 不错被无需许可地插入注册的 Worldcoin 用户之一，因为袭取的智能合约不错考证零常识讲解，从而考证 IrisCode 的创建。这意味着，如若 Worldcoin 曩昔升级机器学习模子以一种防碍与其之前版块兼容性的花式创建 IrisCode，用户就毋庸再次去 Orb，而不错在树立上腹地创建这个零常识讲解。

Orb 安全性：现在，Orb 在其受信任的环境中实施几个诓骗和删改检测机制。关联词，咱们不错创建一个零常识讲解，标明这些机制在拍摄图像和生成 IrisCode 时是行动的，以便为 Worldcoin 契约提供更好的活体保证，因为咱们不错统统笃定这些机制在通盘 IrisCode 生成进程中皆将开动。

总之，ZKML 时间有着世俗的应用长进，况且正在快速发展。跟着越来越多的团队和个东谈主加入到这个范畴，咱们确信 ZKML 的应用场景将会愈加各样化和世俗化。