Hyperchain的博客

前言本篇是“PLONK VS Groth16”的下篇，在上篇中我们对PLONK作了简要介绍，分析了PLONK和Groth16算法在「可信验证」和「约束构建」上的异同。那么，接下来让我们一起看看在后续的「证明生成」和「验证阶段」两者将有怎样的差异，以及整体上的性能区别。原文链接：https://mp.weixin.qq.com/s/xrLe4cJVucr_m69cBF8wfQ证明生成对于程序qeval, prover需要证明自己知道qeval(x)=35的解，即x=3。def qeval(x):y

前言前文《天冷了，干了这碗“零知识证明”鸡汤》对「零知识证明学习」作了一个形象化的比喻：炖鸡汤。那么本系列的主要内容可以简单概括为《论高压锅炖鸡汤的一百种方法》之方法二。在学会了“清炖鸡汤”之后，不如来一口“阿胶鸡汤”补补脑细胞吧！正如鸡汤不同风味之间各具千秋，不同的zk-SNARK方案也各有所长。zk-SNARK方案可以被分为【通用】与【非通用】zk-SNARK，PLONK与Groth16分别是其中的典型代表。通过本系列，我们将对PLONK算法内容作简要介绍，并指出PLONK和Groth16算法思路上

前言：从一锅鸡汤说起当读者刚开始接触零知识证明的概念时，面临第一关就是如何搞懂突如其来的大量名词，比如离散对数问题、双线性对（Pairing）还有Groth16、PLONK、RedShift等。不妨我们借用“烹饪”这个生活场景来类比其中的层次关系。如果把“密码学”比做“烹饪”，那么上个系列中对双线性对的学习就类似于学习炖汤前先简单了解的高压锅的工作原理，而zkSNARK则相当于在说明如何用高压锅炖出美味鸡汤。由此可见，双线性对是类似基础工具的角色：就像高压锅既可以炖鸡汤也可以炖排骨汤，双线性对既可以用