深入理解The Lightning Network Book中的简化Schnorr签名示例
2025-06-11 08:40:22作者:申梦珏Efrain
引言
在区块链技术领域,Schnorr签名因其简洁性和安全性而备受关注。本文将通过The Lightning Network Book中的简化示例,深入浅出地讲解Schnorr签名的工作原理及其在多重签名(MuSig)中的应用。
Schnorr签名基础
Schnorr签名是一种基于离散对数问题的数字签名方案,相比ECDSA签名具有以下优势:
- 线性特性,支持签名聚合
- 更简单的安全性证明
- 更小的签名尺寸
简化示例设置
示例中使用了一个极小的循环群(阶为23)来演示Schnorr签名,这使得我们可以手动验证所有计算:
p = 23 # 群的阶
points = {i: chr(97+i) for i in range(p)} # 将数字映射为字母表示
密钥对生成
在Schnorr签名中,每个参与者都有自己的私钥和公钥:
x_a = 17 # 用户A的私钥
A = points[x_a] # 用户A的公钥
x_b = 15 # 用户B的私钥
B = points[x_b] # 用户B的公钥
签名过程
Schnorr签名的生成包含以下步骤:
- 选择一个随机数r(称为nonce)
- 计算R = r·G (G是生成元)
- 计算e = H(R||m) (消息的哈希)
- 计算s = r + e·x
- 签名为(R, s)
示例中的实现:
def sign(m, priv):
r = random.randint(0, 22) # 随机nonce
return (r + H(m)*priv) % p, points[r] # 返回(s, R)
验证过程
验证签名时,检查以下等式是否成立:
s·G = R + e·P
其中P是公钥,e是消息哈希。
示例中的验证函数:
def verify(s, R, m, pub):
lhs = points[s] # s·G
rhs = add_points(R, scalar_mult_point(H(m), pub)) # R + e·P
return lhs == rhs
多重签名(MuSig)
Schnorr签名的线性特性使其非常适合多重签名场景。多个参与者可以合作生成一个聚合签名,验证时只需验证这个聚合签名。
聚合过程
- 聚合公钥:P = P₁ + P₂
- 聚合R值:R = R₁ + R₂
- 聚合签名:s = s₁ + s₂
示例代码:
AB = add_points(A,B) # 聚合公钥
R_ab = add_points(R_a, R_b) # 聚合R值
s_ab = (s_a + s_b) % p # 聚合签名
安全性考虑
虽然示例使用了极小的群来简化理解,但实际应用中需要注意:
- 必须使用足够大的群(如256位)来保证安全性
- nonce必须随机且不可预测
- 实际实现应使用标准化的椭圆曲线(如secp256k1)
结语
通过这个简化示例,我们深入理解了Schnorr签名的工作原理及其在多重签名中的应用。这种签名方案因其简洁性和可聚合性,在闪电网络等二层解决方案中发挥着重要作用。
理解这些基础概念对于深入研究区块链技术,特别是闪电网络等二层扩容方案至关重要。希望本文能帮助读者建立对Schnorr签名的直观理解。
登录后查看全文
热门项目推荐
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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 K
1.01 K
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
433
392
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
145
237
Claude 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 Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
986