SXT Proof of SQL项目中的Transcript抽象化改造
2025-06-06 14:12:01作者:彭桢灵Jeremy
在密码学证明系统中,Transcript(交互式证明记录)是一个关键组件,它负责记录和验证证明者与验证者之间的交互过程。本文将深入分析SXT Proof of SQL项目中对Transcript系统的抽象化改造过程,这一改进使得系统能够支持多种Transcript实现,特别是为WASM环境提供了更好的兼容性。
Transcript在证明系统中的作用
在零知识证明系统中,Transcript扮演着公共硬币(public-coin)的角色,它负责:
- 记录证明过程中交换的所有消息
- 生成可验证的随机挑战值
- 确保证明过程的不可篡改性
传统的实现通常依赖于merlin库,但merlin存在两个主要限制:
- 不支持no_std环境
- 难以在EVM/Solidity环境中使用
抽象化设计思路
项目团队采用了Rust的trait机制来抽象Transcript功能,定义了核心的Transcript trait,包含三个关键方法:
extend_serialize_as_le- 替代merlin的append_autoextend_canonical_serialize_as_le- 替代append_canonical_serializescalar_challenge_as_be- 替代challenge_scalar_single
这种设计允许系统在不改变核心逻辑的情况下,灵活切换不同的Transcript实现。例如,项目中新增的Keccak256Transcript就是专为EVM环境优化的实现。
具体改造内容
改造工作主要涉及以下几个关键组件:
CommitmentEvaluationProof模块
这是证明系统的核心部分,改造后现在接受泛型的Transcript实现:
- new方法
- verify_proof方法
- verify_batched_proof方法
证明实现适配
现有的证明实现需要进行适配:
- InnerProductProof内部仍使用merlin,但通过wrap_transcript进行封装
- DoryEvaluationProof的修改会传递到DoryMessages
QueryProof设计决策
对于QueryProof,团队面临两个选择:
- 使方法泛型化(new和verify)
- 使整个结构体泛型化
最终选择了更灵活的设计方案,确保核心逻辑与具体Transcript实现解耦。
测试策略调整
虽然生产代码已经抽象化,但测试代码仍使用merlin::Transcript作为具体实现,这保证了:
- 测试的稳定性
- 向后兼容性
- 逐步迁移的可能性
未来可以考虑将测试迁移到Keccak256Transcript,以更好地模拟生产环境。
技术影响与优势
这一改造带来了多方面好处:
- 支持no_std环境,为嵌入式系统和WASM提供可能
- 为EVM/Solidity集成铺平道路
- 提高了代码的模块化和可测试性
- 为未来支持更多Transcript实现提供了框架
这种抽象化设计体现了良好的软件工程实践,通过定义清晰的接口边界,使得系统各组件能够独立演化和优化,同时保持整体的兼容性和一致性。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609