这篇文章是我们的“隐私保护数据科学”系列的一部分。
随着人工智能领域的发展，我们的经济越来越以数据为驱动力。组织可以大量收集我们的数据，以便利用数据点之间保存的信息。因此，随着组织参与技术生态系统的发展，组织在存储您的数字足迹方面存在着不断增长的经济动力。监视资本家可能会使用此数据来了解使我们打勾的原因，并通过有针对性的在线广告产生收入。尽管这是相对无害的，但是自从那时以来，该技术已被应用到比零售更阴险的领域。在过去的十年中，使用了这些可扩展的大众说服工具，以破坏民主，甚至煽动暴力。
随着这些工具监视的使用日益增加，技术消费者发现自己陷入了困境。消费者可以继续使用极为有用的在线服务，放弃对其数据的控制，并且在许多情况下，他们的代理商受到操纵。另一方面，他们可以选择不参与数字经济，而与诸如社交媒体，地图软件和搜索引擎之类的许多高实用性服务隔绝。
考虑到这一点，人们越来越需要工具来帮助管理隐私和参与之间的权衡。此预期转换中的一种工具原型是零知识证明（ZKP）。
什么是零知识证明？
零知识证明的概念由Shafi Goldwasser，Silvio Micali和Charles Rackoff在其论文“交互式证明系统的知识复杂性”中首次提出于1989年。本文介绍了涉及知识复杂性的交互式证明系统的概念，知识复杂性是对从证明者转移到验证者的关于证明的知识量的度量。
简而言之，ZKP可以被描述为一种数学方法，用于向一方证明您拥有一些知识，而无需实际揭示基础信息。
例如，假设您去了一家酒吧。酒保要求您的驾驶执照，以便他们可以核实您的年龄。您希望调酒师知道您已年满18岁，这样他们才能向您卖酒。但是，您并不想让调酒师知道您的住处，甚至您实际的年龄。但是，您需要将所有这些信息提供给酒保，因为这些信息都包含在您的驾驶执照中。在诸如CL Signatures之类的ZKP方法下，您可以证明您的年龄值超过了给定的阈值，而无需透露年龄的实际值。
零知识证明的属性：
ZKP作为一种类型表示smorgasbord方法，所有方法都必须具有以下三个属性；
1）完整性：如果陈述为真，并且证明者和验证者遵循的协议为真，则验证者将接受证明。
2）健全性：如果陈述为假，即使验证者遵循了协议，验证者也不会相信证明
。3）零知识：如果证明者遵循了协议，并且陈述为真。然后验证者将确信，证明者的证明是正确的，而无需从他们的交互中学习任何信息
考虑以下非常基本的ZKP协议。
想象一下，您的朋友爱丽丝是色盲的。您的朋友鲍勃有两个相同的球，但是，一个是红色，另一个是蓝色。爱丽丝（Alice）无法感知这种颜色差异，也不会拒绝相信鲍勃（Bobs）的说法，即它们是不同的。爱丽丝对球的颜色为零知识，鲍勃必须证明两个球与爱丽丝是不同的颜色。以下ZKP方法解决了此特定问题；
1）爱丽丝拿起球，将球传到背后的双手之间。
2）然后，爱丽丝将两个球都交给鲍勃，并挑战他以识别“蓝色”球。
3）当Bob看到蓝色球的颜色时，他们正确地识别了它。
4）这些步骤重复多次。最终，鲍勃每次预测正确球的可能性都非常低，以至于毫无道理的怀疑是鲍勃说了实话。
从第一次交换
中选择的可能性= 50％从第二次交换
中选择的可能性= 25％从第三次交换中选择的可能性= 12.5％
在多次重复该实验时，每次的可能性都会降低50％。当选择的可能性降低到零时，爱丽丝将能够判断球是否具有不同的颜色。
将此实验与前面提到的属性相关联，我们发现
属性1（完整性）：您的朋友必须确信这些球是不同的
属性2（健全性）：所有开关/非开关的概率接近零，这表明这些球是不同颜色的
属性3（零知识）：您的朋友不了解球的颜色
。ZKP有许多这样的抽象示例和实现，可以在下面提到的链接中进行查看。
零知识证明的应用：
1）在加密协议中用于维护隐私。借助ZKP的属性，我们确保用户的隐私不受到损害
2）用于比特币或以太坊交易之类的区块链中，在抽象发送方/收件人详细信息的同时保持交易透明
3）2016年，普林斯顿等离子体实验室展示了核分歧谈判的一种技术，但不透露有关其工作的信息。
4）用于身份验证系统，其中一方希望向另一方证明自己的身份而不泄露密码之类的秘密。
ZKP的进一步阅读/实现：
- PyZKP-OpenMined https://github.com/OpenMined/PyZPK的开源ZKP库的python包装器
- 在ZKP播客- https://www.zeroknowledge.fm
- 很棒的ZKP- https://github.com/matter-labs/awesome-zero-knowledge-proofs
参考文献：
扫一扫
1561
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
