原文标题：《AN 澳门十大官方娱乐网址链接INTRODUCTION TO ZERO-KNOWLEDGE MACHINE LEARNING (ZKML)》澳门十大官方娱乐网址链接

原文开首：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颠簸的一个询查和斥地范畴。但它是什么，有什么用处呢？当先，让咱们把这个术语主意成它的两个构成部分，并解释一下它们是什么。

零常识诠释是一种密码左券，其中一方（诠释者）不错向另一方（考证者）诠释一个给定的诠释是真确的，而不露馅除该诠释为真除外的任何附加信息。这是一个正在各个方面得回巨猛发达的询查范畴，涵盖了从询查到左券实施和应用的整个方面。

ZK 提供的两个主要「原语」（或者说构建块）是不详为一组给定的狡计创建具有狡计无缺性诠释的智商，其中诠释比扩充狡计自身要容易地多。（咱们称这种属性为「直快性」）。ZK 诠释也提供了躲藏狡计中某些部分同期保握狡计正确性的选项。（咱们称这种属性为「零常识性」）。

生成零常识诠释需要相当大的狡计量，简陋比原始狡计贵 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辰使其不切本色，因此不可狡计零常识诠释。

关联词，在连年来密码学、硬件和散布式系统范畴的跨越一经使零常识诠释成为了越来越强劲的狡计可行的聘请。这些发达一经为不错使用狡计密集型诠释的左券的创建提供了可能，从而扩大了新应用步骤的联想空间。

零常识密码学是 Web3 空间中最流行的手艺之一，因为它允许斥地东谈主员构建可膨大和/或特有的应用步骤。以下是一些推行中怎么使用它的示例（尽管请珍重，这些神气中很多王人还在进行中）：

1. 通过 ZK rollups 膨大以太坊

Starknet

Scroll

Polygon Zero，Polygon Miden，Polygon zkEVM

zkSync

2. 构建保护秘籍的应用步骤

Semaphore

MACI

Penumbra

Aztec Network

3. 身份原语和数据开首

WorldID

Sismo

Clique

Axiom

4. 第一层左券

Zcash

Mina

皇冠体育

跟着 ZK 手艺的训练，咱们坚信将会出现新的应用步骤的爆发，因为构建这些应用步骤所使用的用具将需要更少的范畴专科常识，对于斥地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」）范畴的一个询查标的，使得狡计机不错自动从素养中学习和雠校，无需明确地进行编程。它运用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瞻望或决策。机器学习的最终策画是斥地出不详自相宜学习、不需要东谈主类羁系以及在医疗保健、金融和交通等各个范畴处理复杂问题的智能系统。

最近，您可能一经看到了大型谈话模子（如 chatGPT 和 Bard）以及文本到图像的模子（如 DALL-E 2、Midjourney 或 Stable Diffusion）的发达。跟着这些模子变得越来越好，而况不详扩充更世俗的任务，了解是哪个模子扩充了这些操作就变得相当病笃，如故操作由东谈主类扩充。在接下来的部分中，咱们将探讨这个想路。

咱们生计在一个全国上，AI/ML 生成的内容越来越难以与东谈主类生成的内容分手开来。零常识密码学将使咱们不详作念出这么的声明：「给定一段内容 C，它是由模子 M 应用于一些输入 X 生成的。」咱们将不详考证某个输出是否是由大型谈话模子（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暗示的模子所生成的。这些诠释的零常识属性将使咱们不详凭证需要也躲藏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，在不泄露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效果（举例，在医疗行业）。

咱们对零常识密码学在为 ML 模子创建诠释的高下文中的现存手艺水平进行了一些询查，并创建了一个团聚联系询查、著作、应用步骤和代码库的著作集。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「智能的资本」的论文，其中对现存的 ZK 诠释系统进行了基准测试，并排举了不同大小的多个模子。当今，使用像 plonky2 这么的诠释系统，在强劲的 AWS 机器上开动 50 秒傍边，不错为约 1800 万个参数的模子创建诠释。以下是该论文中的一张图表：

另一个旨在雠校 ZKML 系统手艺水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模子的 ZK 诠释。这使得任何 ML 工程师王人不详为他们的模子的推理步骤创建 ZK 诠释，并向任何正确达成的考证器诠释输出。

有几个团队正在雠校 ZK 手艺，为 ZK 诠释里面发生的操作创建优化硬件，并针对特定用例构建这些左券的优化达成。随脱手艺的训练，更大的模子将在较不彊劲的机器上短时辰内进行 ZK 诠释。咱们但愿这些发达将使新的 ZKML 应用步骤和用例得以出现。

潜在的使用案例

为了详情 ZKML 是否适用于特定的应用，咱们不错洽商 ZK 密码学的特质将如那边理与机器学习联系的问题。这不错用一个 Venn 图来证实：

早盘光伏巨头阳光电源高开4%，碳中和ETF（159790）获益，逆势翻红。8月7日晚间，阳光电源发布2023年上半年业绩预告，预计上半年营业收入260亿元-300亿元，同比增长112%-144%，预计归母净利润40亿元-45亿元，同比增长344%-400%。碳中和ETF（159790）、新材料50ETF（516710）、新能源80ETF（516850）分别侧重于清洁能源、材料和储能等方向，聚焦新能源赛道，便于投资者精准全面把握新能源板块热点机会。

界说：

1.Heuristic optimization—一种问题处理方法，它使用素养规矩或「启发式」来找到穷苦的问题的平允理决策，而不是使用传统的优化方法。启发式优化方法旨在在相对的病笃性和优化难度下，在合理的时辰内找到好的或「饱和好」的处理决策，而不是尝试找到最优处理决策。

2.FHE ML—全王人同态加密 ML 允许斥地东谈主员以保护秘籍的花式试验和评估模子；关联词，与 ZK 诠释不同，莫得办法通过密码学花式诠释所扩充的狡计的正确性。

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，因为有用性诠释是 ZK 诠释，不会躲藏狡计或其效果的某些部分。在 ZKML 的高下文中，大宽敞刻下的应用步骤王人运用了 ZK 诠释的有用性诠释方面。

4.Validity ML—ZK 诠释 ML 模子，在其中莫得狡计或效果被守秘。它们诠释狡计的正确性。

以下是一些潜在的 ZKML 用例示例：

1. 狡计无缺性（有用性 ML）

Modulus Labs

基于链上可考证的 ML 来回机器东谈主 - RockyBot

自我雠校视觉区块链（示例）：

增强 Lyra 金融期权左券 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（具有秘籍功能的 zk-rollup）竭力于于合同级合规用具所需的手艺打破。

2. 机器学习即做事 (MLaaS) 透明；

3.ZK 颠倒/诓骗检测：

这种应用场景使得可创建针对可运用性/诓骗的 ZK 诠释成为可能。颠倒检测模子不错在智能合约数据上进行试验，并由 DAOs 承诺算作趣味趣味的度量模范，以便不详自动化安全步骤，如更主动、精明性地暂停合约。已有初创企业正在询查在智能合约环境中使用 ML 模子进行安全想法的方法，因此 ZK 颠倒检测诠释似乎是当然的下一步。

4.ML 推理的通用有用性诠释：不详浮松诠释和考证输出是给定模子和输入对的乘积。

5. 秘籍 (ZKML)

6. 去中心化的 Kaggle：诠释模子在某些测试数据上的准确率大于 x%，而不会高慢权重。

7. 秘籍保护推理：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，癌症测试效果）发送给患者。

8.Worldcoin：

IrisCode 的可升级性：World ID 用户将不详在他们的迁移修复的加密存储中自我看护其生物特征，下载用于生成 IrisCode 的 ML 模子并在土产货创建零常识诠释，以诠释其 IrisCode 已得手创建。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诠释，从而考证 IrisCode 的创建。这意味着，若是 Worldcoin 当年升级机器学习模子以一种败坏与其之前版块兼容性的花式创建 IrisCode，用户就不消再次去 Orb，而不错在修复上土产货创建这个零常识诠释。

Orb 安全性：当今，Orb 在其受信任的环境中扩充几个诓骗和点窜检测机制。关联词，咱们不错创建一个零常识诠释，标明这些机制在拍摄图像和生成 IrisCode 时是行动的，以便为 Worldcoin 左券提供更好的活体保证，因为咱们不错全王人详情这些机制在整个这个词 IrisCode 生成历程中王人将开动。

总之，ZKML 手艺有着世俗的应用远景，而况正在快速发展。跟着越来越多的团队和个东谈主加入到这个范畴，咱们坚信 ZKML 的应用场景将会愈加万般化和世俗化。