Gnark v0.13.0 版本发布:零知识证明框架的重大升级
Gnark 是一个用 Go 语言编写的高性能零知识证明(ZKP)框架,由 ConsenSys 团队开发。它允许开发者构建和验证零知识证明系统,特别适用于区块链和隐私保护应用场景。本次发布的 v0.13.0 版本带来了多项重要改进和新功能,包括性能优化、新算法支持以及多项功能增强。
核心功能增强
1. 哈希函数支持扩展
新版本增加了对 Merkle-Damgård 和 Poseidon2 哈希函数的支持。Merkle-Damgård 结构是许多经典哈希函数(如 SHA 系列)的基础结构,而 Poseidon2 则是一种专为零知识证明优化的哈希算法,具有证明友好的特性。
特别值得注意的是,团队对 Poseidon2 的实现进行了 GKR(Goldwasser-Kalai-Rothblum)电路优化,这是一种交互式证明系统,可以显著提高证明效率。同时,SHA3 哈希函数现在支持 FixedLengthSum 功能,允许对固定长度的输入进行更高效的哈希计算。
2. 多精度计算优化
在零知识证明系统中,处理大数运算是一个常见需求。v0.13.0 对多精度计算进行了多项优化:
- 改进了非本地零值的 IsZero 边缘情况处理
- 实现了更高效的 selector.Mux 递归 BinaryMux 实现,优化了各种大小的选择器性能
- 增加了对哈希函数的 FixedLengthSum 优化,通过最小长度参数提高了计算效率
3. Groth16 证明系统改进
Groth16 是目前最广泛使用的 zk-SNARK 证明系统之一。新版本中:
- 重构了 Groth16 的多方计算(MPC)实现
- 修复了 Groth16 MPC 第一阶段的比例验证问题
- 增加了密钥切换功能,提高了系统的灵活性
性能提升
1. GPU 加速支持
v0.13.0 集成了 OSS ICICLE(版本 v3.2.2)用于 GPU 加速。ICICLE 是一个开源库,专门为密码学计算提供 GPU 加速支持,这将显著提高证明生成和验证的速度,特别是对于大规模计算场景。
2. 电路优化
- 实现了更高效的约束系统布线管理,新增了 GetWiresConstraintExact 方法
- 优化了约束元素的通用接口设计,提高了代码的复用性和可维护性
- 改进了查找表(lookup table)的实现,确保在所有 limbs(大数的分段表示)上进行规范化形式的范围检查
新算法与数学工具
1. 椭圆曲线支持
- 增加了 Pectra BLS12-381 椭圆曲线的预编译支持
- 实现了 BLS12-381 曲线上的映射到 G2 群功能
- 修复了 GLV(Gallant-Lambert-Vanstone)方法中负标量的处理问题
2. 场运算扩展
- 实现了对小域的场仿真支持
- 增加了场扩展支持,允许在本地场上构建扩展场运算
- 引入了 WideCommitter,用于获取场扩展中的承诺
3. GKR 系统迁移与优化
将 GKR 系统从 gnark-crypto 迁移到 gnark 主库,并进行了多项优化:
- 实现了门注册表(Gate Registry)机制
- 重构了单门(unigate)实现
- 提供了详细的 GKR 示例文档
开发者体验改进
1. 断言功能增强
- 增加了 emulated.AssertIsDifferent 方法,用于仿真环境中的不等断言
- 改进了自动元素初始化,使其能够感知当前场特性
2. 常量处理
实现了常量值的二进制分解功能,这在零知识证明系统中特别有用,因为许多密码学操作(如标量乘法)可以通过预计算和查找表来优化。
3. 代码质量与文档
- 统一了代码风格,使用 goimports 工具进行格式化
- 增加了多项文档说明,特别是关于未定义结果的通知
- 修复了 MiMC 哈希函数的注册问题
总结
Gnark v0.13.0 是一个功能丰富且注重性能的版本,它为开发者提供了更多构建高效零知识证明系统的工具和选项。从基础数学运算到高级证明系统,从 CPU 到 GPU 加速,这个版本在多方面都有显著提升。特别是对 GKR 系统的支持和优化,为需要高效交互式证明的应用场景打开了新的可能性。
对于正在使用或考虑使用零知识证明技术的开发者来说,升级到 v0.13.0 将能够利用这些新功能和改进,构建更高效、更灵活的隐私保护解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0193
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06