零知识证明之争：STARK还是SNARK？

zkSTARK和zkSNARK都是零知识证明系统，用于在不泄露敏感信息的情况下证明某些陈述的正确性。它们在保护隐私和实现区块链、加密货币以及其他领域中具有广泛的应用。

尽管它们有相似之处，但也有一些关键的区别，这篇文章我们来详细介绍一下它们的区别。

一、定义和特点：

zkSTARK（零知识可扩展递归证明）是一种零知识证明系统，它的核心特点是在证明过程中使用递归技术，允许将证明的复杂性从多项式级别扩展到超多项式级别，从而在保持安全性的同时实现更高的可扩展性。zkSTARK的设计目标是在大规模系统中提供高度安全性和高性能的零知识证明。

zkSNARK（零知识可验证的非交互式证明）是另一种零知识证明系统，它的特点是在证明过程中是非交互式的，即证明者可以生成一个证明，而验证者可以在不与证明者交互的情况下验证该证明的正确性。zkSNARK的设计目标是在保持高度的隐私保护的同时，实现高度的效率和紧凑性。

二、交互性：

zkSTARK是一种交互式证明系统，这意味着证明过程中需要多轮交互。证明者和验证者之间需要相互通信来完成证明的生成和验证过程。

zkSNARK是一种非交互式证明系统，即证明者可以在不与验证者进行交互的情况下生成证明，并将证明发送给验证者，验证者只需单独验证该证明的正确性。

三、证明复杂性：

zkSNARK和zkSTARK的证明复杂性都是多项式级别的。

多项式是一类数学函数的形式，表达式为f(x) = a_n * x^n + a_{n-1} * x^{n-1} + … + a_1 * x + a_0，其中x是变量，a_n, a_{n-1}, …, a_1, a_0是常数系数，n是多项式的最高次数。这里的n被称为多项式的次数。

多项式复杂性是指随着输入规模的增加，计算所需资源以多项式速度增长。比如，如果一个算法的运行时间是O(n²)，这表示它的运行时间随着输入规模n的增加，以n的平方倍数增长。这样的算法被认为是多项式时间复杂性的，通常被认为是高效的。

相对应地，指数复杂性是另一种复杂性类型，它是指随着输入规模的增加，计算所需资源以指数速度增长。比如，如果一个算法的运行时间是O(2^n)，这表示它的运行时间随着输入规模n的增加，以2的n次方倍数增长。这样的算法被认为是指数时间复杂性的，通常被认为是非常低效的。

在计算复杂性理论中，我们希望找到解决问题的高效算法，即多项式时间复杂性的算法。这是因为指数时间复杂性的算法在实际应用中通常无法处理大规模的问题，而多项式时间复杂性的算法则更加实用和可行。

zkSNARK和zkSTARK的证明复杂性都是多项式级别的，多项式时间复杂性的算法是zkSNARK和zkSTARK作为零知识证明系统的共同特点，但二者略有差异。

zkSTARK在理论可以上支持超多项式级别的复杂性，这使得zkSTARK在处理大规模系统时表现出色。而zkSNARK通常需要更多的计算资源和更长的证明长度。与zkSTARK相比，在处理大规模系统时可能会有更多的限制。

四、可验证性：

zkSTARK的验证过程相对较慢，需要更多的计算资源，但由于它支持更高级别的复杂性，因此在处理大规模系统时仍然具有很好的可扩展性。

zkSNARK的验证过程相对较快，需要较少的计算资源，并且证明长度较短。然而，zkSNARK在处理大规模系统时可能会受到限制，并且可能需要更多的存储空间。

五、隐私保护：

zkSTARK提供了较高的隐私保护，因为证明者和验证者之间的交互可以在更大程度上隐藏敏感信息。

zkSNARK也提供了高度的隐私保护，因为证明者不需要将详细信息逐步揭示给验证者。然而，它可能会在某些情况下暴露一些关于系统结构的信息。

我们举个例子来简要说明一下二者的区别，魔法师在舞台上表演，他把一件物品藏在他的半透明斗篷之后，他需要证明给大家这件物品的存在。

zkSNARK的例子中，魔法师必须让观众相信斗篷后面确实有某样东西。当表演开始时，魔法师只需站在那里，不需要移动或进行任何操作，观众就已经相信了斗篷后面确实有物品存在。这种方法很快，但它需要一个初始的信任设置过程，在zkSNARK中这叫做公共参数。

而在 zkSTARK的例子中， 在展示开始时，观众并不知道斗篷后面是否有东西。但是，魔法师需要在斗篷后面移动物品，让观众能够感知到斗篷后面有东西存在，但仍然无法看到具体是什么。这种方法不需要预先的信任设置，但可能需要更多的时间和努力来让观众相信。

综上所述，zkSNARK和zkSTARK在实际应用中具有广泛的用途。zkSNARK是一种非交互式证明系统，适用于注重隐私保护的场景。而zkSTARK是一种交互式证明系统，适用于需要高性能和可扩展性的场景。