EZKL
An engine for converting ML models into verifiable zero-knowledge proofs
Buổi biểu diễn
So sánh
Chi tiết
Nội dung này do RD AI tạo ra, chỉ mang tính tham khảo
EZKL đang hỗ trợ các hệ thống AI có thể xác minh được bằng mật mã không có kiến thức. Dự án được Jason và Dante thành lập như một cuộc khám phá về cả phương pháp học máy bảo vệ quyền riêng tư và phương pháp đưa các mô hình học máy vào chuỗi.
Theo dõi cập nhật
Theo dõi danh sách
Nhân vật
Về EZKL
EZKL là một bộ công cụ tập trung vào nhà phát triển, chuyển đổi các mô hình học sâu thành bằng chứng không kiến thức. Hoạt động cốt lõi của nó là cho phép người dùng chứng minh rằng một mô hình AI đã chạy chính xác trên dữ liệu riêng tư mà không tiết lộ dữ liệu hoặc chính mô hình đó. Giá trị đề xuất chính là kết nối AI và mật mã: nó chuyển đổi các đồ thị ONNX tiêu chuẩn thành các mạch SNARK dựa trên Halo2, cho phép suy luận có thể kiểm chứng trên chuỗi, trong trình duyệt hoặc trên các thiết bị biên. Vấn đề khó khăn trên thị trường mà nó giải quyết là khoảng cách tin cậy trong AI: ngày nay, người dùng không thể xác minh rằng đầu ra của mô hình là xác thực, và chủ sở hữu dữ liệu không muốn chia sẻ các đầu vào nhạy cảm. EZKL giải quyết vấn đề này bằng cách cung cấp các đảm bảo mật mã về tính toàn vẹn của tính toán trong khi vẫn bảo vệ quyền riêng tư. Lợi thế cạnh tranh của nó nằm ở tính dễ sử dụng—không yêu cầu chuyên môn về thiết kế mạch—và các tùy chọn triển khai thực tế, bao gồm bộ xác minh Solidity và công cụ JavaScript. Trong sáu tháng qua (từ 2026-02-28 đến 2026-08-31), EZKL đã tập trung vào việc mở rộng tạo bằng chứng thông qua Lilith, một dịch vụ dựa trên đám mây giúp giảm tải các tính toán nặng. Nó cũng giới thiệu các SNARK cộng tác (co-SNARK), cho phép hai bên cùng tạo ra một bằng chứng mà không tiết lộ đầu vào riêng tư của họ cho nhau—một bước tiến quan trọng cho các kịch bản AI đa bên. Dự án đã duy trì cơ sở mã đã được kiểm toán và tiếp tục mở rộng các tích hợp hệ sinh thái. Một hạn chế đáng chú ý vẫn còn: việc tạo bằng chứng vẫn tốn kém về mặt tính toán đối với các mô hình rất lớn, và các công cụ yêu cầu một mức độ quen thuộc nhất định với các khái niệm mật mã, mặc dù nhóm đang tích cực làm việc để hạ thấp rào cản này.
Những tiến bộ chính trong sáu tháng qua (01/03/2026 đến 01/09/2026): - Ra mắt Collaborative SNARKs (cosnarks), cho phép hai hoặc nhiều bên cùng tạo ra các bằng chứng không kiến thức mà không tiết lộ dữ liệu riêng tư cho nhau. Tính năng này do đồng tác giả của Halo2, Ying Tong Lai, dẫn dắt và hiện đã được tích hợp vào EZKL, cho phép tái sử dụng các khóa chứng minh/xác minh hiện có với những thay đổi tối thiểu trong quy trình làm việc. - Tích hợp chứng minh cosnark vào Lilith, cụm tạo bằng chứng quy mô đám mây, cho phép thiết lập nhanh các máy chủ đồng chứng minh cộng tác chỉ bằng một lệnh duy nhất. - Phát hành cosnarks dưới dạng beta kín, với các thử nghiệm đang được tiến hành cho những người áp dụng sớm. Trọng tâm phát triển và lộ trình trong tương lai: - Giới thiệu MPC bất đối xứng để giảm tải tính toán cho các nhà cung cấp dữ liệu (ví dụ: thiết bị di động), bổ sung cho các liên kết iOS và tăng tốc kim loại. Đây là một lĩnh vực nghiên cứu tích cực và sẽ được khám phá trong những tháng tới. - Mở rộng ra ngoài Halo2 để tích hợp thêm các hệ thống chứng minh khác nhằm mang lại sự linh hoạt rộng hơn. - Tiếp tục tối ưu hóa việc tạo bằng chứng cho các mô hình lớn và các kịch bản thông lượng cao, với các kế hoạch tăng tốc GPU và sơ đồ gấp dự kiến sẽ giảm kích thước bằng chứng xuống còn kilobyte vào năm 2027.
Jason Morton (CEO) Jason Morton là đồng sáng lập và CEO của EZKL. Trước đây, ông từng là giáo sư Toán và Thống kê được biên chế, nhận Giải thưởng Giảng viên trẻ DARPA cho các thuật toán mật mã lấy cảm hứng từ lượng tử, và là điều tra viên chính (PI) trong chương trình Học sâu DARPA ban đầu vào năm 2011. Ông đã thành lập và bán một trung gian tài chính dựa trên Ethereum, từng giữ chức Trưởng bộ phận Mật mã cho Giao thức Lit, và có bằng Cử nhân Tâm lý học tại Harvard, bằng Thạc sĩ Kinh tế tại Đại học Michigan, và bằng Tiến sĩ Toán học tại Đại học California, Berkeley.