Vitalik:以太坊状态爆炸问题,多项式承诺方案可解决_VIT:Kommunitas

写在前面:为了应对以太坊的状态爆炸问题,以太坊联合创始人Vitalik提出了新的解决方案,其提议使用多项式承诺方案来替代默克尔树,以此大大减少无状态以太坊客户端的见证数据。

以下为译文:

关于这一研究,这里要感谢很多人提供的帮助,尤其是AZTEC团队向我介绍了复制约束参数、排序参数以及有效的批范围证明方法;DateryKhovratovich和JustinDrake在Kate承诺部分提供的方案,ElibenSasson关于FRI提供的反馈,以及JustinDrake进行的审查工作。这篇文章只是第一次尝试,如果有进一步的重要思考,我确实希望该方案能够被类似但更好的计划所取代。

太烦不看版总结:

我们建议用称为“多项式承诺”的神奇数学来替代默克尔树来累积区块链状态。好处包括:将无状态客户端的见证内容的大小减少到接近于零。这篇文章提出了利用多项式承诺进行状态累积所存在的挑战,并提出了具体的构建方法。

什么是多项式承诺?

多项式承诺是多项式P的一种‘哈希’,其具有可对哈希执行算术检查的属性。

例如,在三个多项式P,Q,R上,给定三个多项式承诺h_P=commit(P(x)),h_Q=commit(Q(x)),h_R=commit(R(x)),然后:

如果P(x)+Q(x)=R(x),你可以生成一个证明,证明它和h_P,h_Q,h_R的关系;

如果P(x)*Q(x)=R(x),你可以生成一个证明,证明它和h_P,h_Q,h_R的关系;

如果P(z)=a,你可以针对h_P生产一个证明

你可以将多项式承诺用作vector承诺,类似于默克尔树。多项式承诺的一个主要优点是,由于其数学结构的原因,其生成复杂证明要容易得多。

有哪些流行的多项式承诺方案?

V神、孙宇晨支持的生命科学组织VitaDAO拟设营利性公司推动长寿技术发展:4月6日消息,由以太坊创始人“V神”支持创立的生命科学研究去中心化组织VitaDAO在推特宣布,正在投票决定是否创建一家营利性公司来确保和分配长寿研究的资金。该公司将命名为 VitaTech,作为 VitaDAO 的子公司/附属公司运营,它将利用公共资金来授权美国大学开发的长寿技术,并支持它们的持续发展。除V神外,波场TRON创始人孙宇晨此前也曾大力支持VitaDAO的发展。

今年1月,VitaDAO宣布完成410 万美元融资,融资方包括Coinbase的前首席技术官 Balaji Srinivasan、全球最大的药企辉瑞的投资部门 Pfizer Ventures,这也是辉瑞在 Web3 领域的首笔投资。VitaDAO 表示将会利用这笔资金进一步资助长寿研究项目和将于明年从DAO中剥离出来的生物技术初创公司。

去年10月,孙宇晨向VitaDAO旗下“长寿奖基金”进行捐款,孙宇晨也因此次捐赠成为“长寿奖基金”的第二大捐赠者,仅次于以太坊创始人V神。[2023/4/6 13:47:30]

当前有两个领跑者,它们分别是Kate承诺以及基于FRI的承诺。你可能还听说过防弹证明和DARKs算法,这些是替代型多项式承诺方案。而要了解有关多项式承诺的更多信息,YouTube上有相关的内容。

多项式承诺在以太坊中有哪些容易应用的场景?

我们可以用多项式承诺来替换目前区块数据的默克尔根,并用开放证明替换默克尔分支。这给我们带来了两个很大的优势。首先,数据可用性检查会变得容易,并且不会存在欺诈,因为你可以简单地以随机方式请求开放。非交互式的托管证明也可能变得更容易。

其次,说服多数据片段的轻客户端也变得更加容易,因为你可以制造一个同时涵盖多个索引的有效证明。对于任何集{(x_1,y_1),...,(x_k,y_k。,定义三个多项式:

通过所有这些点的插值多项式I(x);

在x_1,...,x_k等于0的零多项式Z=*...*;

商多项式Q=-I)/Z;

商多项式

Q的存在,意味着

P(x)-I(x)是

区块链理赔平台Vitraya完成500万美元融资:金色财经报道,区块链理赔平台Vitraya背后的开发公司Vitraya Technologies宣布完成500万美元新一轮融资,B2B风险投资基金StartupXSeed领投,Season Two Ventures、Cactus、Xceedance和Mankind Pharma家族办公室等参投。Vitraya平台使用区块链和人工智能技术确保医院、患者和保单数据的绝对安全,该平台在涉及的私有区块中保护数据的所有端点,并帮助参与各方可以安全无忧地进行互动。(businessworld)[2023/3/30 13:33:56]

Z的倍数,因此

P-I为零,其中

Z(x)为零。这意味着对于所有

i,我们都有

P(x_i)-y_i=0,即

P(x_i)=y_i。验证者可以生成插值多项式和零多项式。证明由对商的承诺,加上随机点

z上的开放证明组成,因此,我们可以对任意多个点拥有一个常数大小的见证内容。

这种技术可以为区块数据的多次访问提供一些好处。然而,其对于一种不同的用例而言,存在的优势就要大得多:证明区块交易账户witness。平均而言,每个区块会访问数百个账户和存储密钥,这导致潜在的无状态客户端的见证内容大小会有0.5MB大小。而多项式承诺多见证,根据方案的不同,可以将区块witness的大小从数万字节减少到几百字节。

那我们可以使用多项式承诺来存储状态吗?

大体上,我们是可以的。相比将状态存储为默克尔树,我们选择将状态存储为两个多项式S_k(x)和S_v(x),其中S_k,...,S_k表示键,而S_v,..。,S_v表示这些键上的值。

为了证明键值对,...,是状态的一部分,我们将提供索引i_1,...,i_k并显示与索引匹配的键和值,即k_1=S_k(i_1),...,k_k=S_k(i_k)和v_1=S_v(i_1),...,v_k=S_v(i_k)。

为了证明某些键的非成员性,可以尝试构造一个奇特的证明,证明键不在S_k,…,S_k中。相反,我们只需对键进行排序,以便证明非成员身份就足以证明两个相邻key的成员身份,一个小于目标key,一个则大于目标key。

动态 | EOS 的Activity指数为43,721,037 排名第一:据IMEOS报道,截止12月16号11点,blocktivity.info上显示,排名第一的 EOS 的Activity指数为43,721,037 ,排名第二、第三分别为 TLOS 和 IOST 。Acitivity指数为最近24小时内在区块链上执行的操作数量。[2019/12/16]

而这和JustinDrake提出的使用SNARKs/STARKs来压缩witness以及相关的想法有着相似的好处,另外一个好处是,由于证明是累加器密码学原生的,而不是构建在累加器密码学上的证明,因此这消除了一个数量级的开销,并移除了对零知识证明友好哈希函数的需求。

但这里存在着两个大问题:

为k个密钥生成witness需要的时间是O,其中N是状态的大小。而预计N对应的状态数据会有大约50GB,因此在单个区块中生成这样的证明是不实际的;

2、用k个新值更新S_k(x)和S_v(x)花费的时间也需要O。这在单个区块中是不切实际的,特别是考虑到诸如witness更新和重新排序之类的复杂性。

下面我们将介绍应对这两大问题的解决方案。

高效读取

我们提供了两种解决方案,一种针对Kate承诺而设计,另一种则是针对基于FRI的承诺。不幸的是,这些方案具有不同的优点和缺点,从而会导致不同的属性。

1、Kate承诺

首先,请注意,对于N次多项式f,有一种方案可生成N个对应于

O(N*log(N))时间中每个

q_i(x)=(f(x)-f(i))/(X-i)的开放证明。

还请注意,我们可以按以下方式合并witness。考虑这样一个事实,q_i(x)只是一个离开f/的子常数项,通常,已知f/((X-x_1)*...*(X-x_k))是f/,...,f/使用部分分式分解的某种线性组合。只需知道x坐标就可以确定具体的线性组合:只需提出一个线性组合c_1*(x-x_2)*...*(x-x_k)+c_2*(x-x_1)*(x-x_3)*...*(x-x_k)+...+c_k*(x-x_1)*...*(x-x_{k-1}),其中不存在非常数项,这是k个未知数中的k方程组。

动态 | Kavita Gupta离职后 ConsenSys宣布重组其各项业务:据Cointelegraph消息,5月6日,风险投资公司ConsenSys在一份新闻稿中证实,其正在重组其各项业务,以巩固其市场地位。据悉,其ConsenSys将整合ConsenSys实验室、加速器Tachyon、风险投资运营公司以及ConsenSys Ventures合并为一个伞型投资部门。此前报道, ConsenSys Ventures负责人Kavita Gupta表示即将辞职,将担任顾问并在斯坦福大学任教。[2019/5/7]

给定这样的线性组合,我们得到的东西仅是离开f/((x-x_1)*...*(x-x_k))的一个子常数项,因此它必然是商f(x)//((x-x_1)*...*(x-x_k)),其等于期望值(f(x)-I(x_1...x_k,y_1...y_k))/((x-x_1)*...*(x-x_k))。

一个可能的挑战是,对于大的状态,一个实际可计算的单一可信设置是不够大的:例如,PLONK设置只能容纳约3.2GB。相反,我们可以有一个由多个Kate承诺组成的状态。

我们对很多承诺作如下单一witness。为证明,首先让。witness是;如果Q是一个多项式,则F实际上在那些位置为零,因此fi在其位置具有期望值。

2、基于FRI的承诺

我们将状态存储在一个二维多项式

F的求值中(每个变量的阶数为

sqrt),并致力于对

4*sqrt(N)by4*sqrt(N)square求值

F。

我们将所有我们关心的值存储在位置(x,x**sqrt(N)),因此它们都具有唯一的x坐标。

为了证明在一组点x_1,...,x_k上的求值,我们构造了一个k次多项式路径,其在x_i处的求值为x_i**sqrt。

然后,我们创建一个多项式

h(t)=F(t,path(t)),其中包含对

(x_i,y_i)的所有期望求值,并且具有

k*)次。

我们在求值域中选择随机的30列c_1...c_k,对于每列查询30个随机行。我们承诺于h,为z_i=h(c_i)提供一个多开口,并对列商(R_i-z_i)/(X-path(c_i))进行FRI随机线性组合,以验证h的声明值是正确的,因此h(t)实际上等于F(t,path(t))。

以太坊创始人Vitalik Buterin捐赠价值240万美元以太坊 用于抗衰老研究:据慈善机构网站2月1日的一份新闻稿称,?SENS研究基金会是已经收到了来自以太坊的联合创始人Vitalik Buterin的240万美元的捐赠。该基金会于2009年由?老年医学专家Aubrey de Grey联合创立,他正在研究延长人们生物年龄的治疗方法,希望能让人类比以往任何时候都更长寿。[2018/2/5]

使用二维多项式的原因是,这确保了我们不必对所有F进行任何计算;相反,我们只需要对我们选择的随机30行F进行计算),加上阶为p*(sqrt(N)+1)的h,创建FRI进行的计算大约为p*sqrt(N)。可以将此技术扩展到二维以上的多项式,以将sqrt因子降低到更低的指数。

高效写入

我们通过一系列的承诺,来解决与更新包含整个状态的单个承诺相关的挑战,较大的承诺,其更新频率也就较低:

区块本身,具有“读取见证”(R_k(x),R_v(x))和“写入见证”,W_v),表示要写入状态的值。注意,我们可以设置W_k=R_k,并在运行时计算W_v。

第一个缓存C1=,C1_v)存储最近一天的更新内容;

第二个缓存C2等于前一天的最后一个C1;

满状态S=,S_v)包含时间超过1-2天的值;

我们将使用的方法如下。为了从状态中读取一些键k,我们将依次读取

C1,

C2,

S。如果键位于某

C1_k处,则对应的值

C1_v存储该值,如果键位于

C2_k,则

C2_v存储该值,依此类推,如果键位于

S_k,则

S_v存储该值。如果这些检查都没有返回键,则该值为0。

复制约束参数的简介

复制约束参数,是我们将使用的witness更新证明的关键组成部分;有关复制约束参数如何工作的详细信息,请参见此处。简而言之,该想法是选择一个随机r,并生成一个“累加”多项式ACC,其中ACC=1且ACC=ACC*)。你可以通过开放读取ACC(y)/ACC(x),来读取x....y-1范围内的点累加器。你可以使用这些累加器值,将这些求值与其他求值集进行比较,而无需考虑排列。

你还可以通过设置

ACC(x+1)=ACC(x)*(r+P_1(x)+r2*P_2(x))来证明某些随机

r和

r2的求值元组(即多集

{(P_1(0),P_2(0)),(P_1(1),P_2(1)),...})的等价性。多项式承诺可有效用于证明有关ACC的主张。

为了证明子集,我们可以做相同的事情,除了我们还要提供一个指标多项式ind,证明该ind(x)在整个范围内等于0或1,并设置ACC=ACC**)+)),否则不使用累加器值)。

小结:

我们可以证明a和b之间的P求值,是a和b之间Q求值的置换;

我们可以证明a和b之间的P求值,是a和b之间Q求值置换的子集;

我们可以证明P和Q的求值,是R和S置换,其中P->Q和R->S是相同的置换;

在下面的内容中,除非明确说明,否则我们将偷懒地表述为“P是Q的置换”,意思是“P在0和k之间的求值,是Q在0和k之间对适当k求值的置换”。请注意,下面的内容中,我们还会涉及到每个witness的“大小”,以确定我们接受的任何

C_k中的坐标,而超出范围的

C_k值当然不计算在内。

映射合并参数

为了更新缓存,我们使用了“映射合并参数”。给定两个映射A=,A_v)和B=,B_v),生成合并映射C=,C_v)以便:

C_k中的键被分类;

对于0<=i<size(B),(B_k(i),B_v(i))在C中;

对于0<=i<size(A),仅当A_k(i)不在B的求值集之内时,(A_k(i),A_v(i))在C中;

我们用一系列复制约束参数来实现这一点。首先,我们生成两个辅助多项式

U,

I,它们分别表示

A_k和

B_k的“并集”和“交集”。将

A_k,B_k,C_k,U,I视为集合,我们首先需要展示:

1、A_k?U;

2、B_k?U;

3、I?A_k;

4、I?B_k;

5、A_k+B_k=U+I;

我们预先假设在A_k和B_k中没有重复,这意味着A_k!=A_j对于范围内的i!=j与B_k相同。由于I是A_k和B_k的子集,所以我们已经知道I也没有重复的值。通过使用另一个复制约束参数来证明U和C_k之间的等价关系,证明了U中没有重复项,并证明C_k是已排序且无重复的。我们用一个简单的复制约束参数证明A_k+B_k=U+I声明。

为了证明C_k已排序且没有重复,我们证明C_k>C_k的范围为0...size。我们通过生成多项式D_1,...,D_16,并证明C-C=1+D_1+2**16*D_2+2**32*D_3+...来做到这一点。本质上,D_1,...,D_16将差异存储在基2**16中。然后,我们生成一个多项式E,其满足所有D_1,...,D_16的复制约束以及f=x,并且满足E(x+1)-E(x)={0,1}限制。我们还检查了E=0以及E*16+65536)=65535。

关于E的约束表明,E中的所有值都夹在0和65535之间。对

D_i的复制约束,证明

D_i中的所有值都在0到65535之间,这证明了它是一个正确的16进制表示,从而证明了

C_k-C_k实际上是一个正数。

现在,我们需要证明value。我们添加另一个多项式U_v,并验证:

在0...size(B)的(U,U_v)等于在0...size(B)的(B_k,B_v);

在size(B)...size(A)+size(B)的(U,U_v),是在0...size(A)的一个子集;

目标是在

U中,我们先放置来自

B的所有值,然后再放置来自

A的值,并使用相同的置换参数来确保键和值被正确复制。然后我们验证

的一个置换。

使用映射合并参数

我们按照下面的方式使用映射合并参数,假设每天有BLOCKS_PER_DAY个区块。

如果block.number%BLOCKS_PER_DAY!=0,我们验证(C1_k,C1_v)=merge((W_k,W_v),(C1_old_k,C1_old_v));

如果block.number%BLOCKS_PER_DAY==0,我们验证(C1_k,C1_v)=(W_k,W_v)以及(C2_k,C2_v)=(C1_old_k,C1_old_v);

请注意,C2具有一整天的时间,在此期间它保持不变。我们为任何人产生

=merge,)的证明提供奖励;提供此证明后,我们将承诺

更新为新值,并将

重置为空。如果

S在当天没有更新,则我们将

C1->C2传输延迟到更新为止;请注意,该协议确实取决于

S的更新速度是否足够快。如果这不可能发生,那么我们可以通过添加更多层缓存的层次结构来解决这个问题。

从糟糕的FRI中恢复

对于FRI的情况,注意,有可能会出现有人生成的FRI在某些位置无效,但这不足以阻止验证。这不会立即造成安全风险,但可能会阻止下一个更新者生成witness。

我们通过以下几种方法来解决这个问题。首先,注意到某些FRI生成错误的人,可提供自己的FRI。如果通过相同的检查,它将被添加到可构建下一次更新的有效FRI列表中。然后,我们可以使用交互式计算游戏来检测和惩罚不良FRI的创建者。其次,他们可提供自己的FRI以及STARK来证明其有效,从而立即罚没了无效FRI的创建者。通过FRI生成STARK是非常昂贵的,尤其是在较大规模时,但这样做是值得的,因为这可以赚取很大一部分无效提议者的保证金奖励。

因此,我们有了一种机制来使用多项式承诺,以此作为一个有效读取和写入witness来存储状态。这使我们能够大幅度减少见证内容大小,同时也可以带来一些好处,比如让我们有能力对数据可用性进行检查,以及实现关于状态的托管证明。

今后的工作

提出FRI证明,要求少于900次查询;

从理论上讲,如果你预先计算并存储拉格朗日基,理论上可以快速更新Kate承诺。这是否可以扩展到快速更新所有witness,以及为键值映射而不是一个vector工作?

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

水星链

[0:0ms0-0:881ms