Polyhedra исследует возможности повышения производительности с нулевым разглашением с помощью GPU-ускорения для системы Expander System
-
Компания Polyhedra Network представила новаторские разработки в области систем с нулевым разглашением, которые позволили повысить производительность более чем в 2000 раз за счет GPU-ускорения.
-
Последние оптимизации, ориентированные на протокол Sumcheck, позволили использовать огромную вычислительную мощность графических процессоров, обещая повышенную масштабируемость и эффективность в блокчейн-приложениях.
-
По словам главного исследователя Polyhedra Тяньчэна, “ZK эволюционировал. То, что начиналось как технология, ориентированная на конфиденциальность, теперь стало воротами к масштабируемости блокчейна”, — подчеркивают трансформационный потенциал своих инноваций.
Прорыв Polyhedra Network в области систем доказательства с нулевым разглашением повышает масштабируемость блокчейна и безопасность искусственного интеллекта, потенциально преобразуя ландшафт децентрализованных приложений.
Новаторское повышение производительности при доказательстве с нулевым разглашением
Команда Polyhedra добилась значительных успехов в области проверки с нулевым разглашением (ZKPS), добившись исключительного повышения производительности за счет использования графического ускорения. Это новшество особенно заметно при тестировании системы защиты от расширения, которая продемонстрировала беспрецедентное время выполнения по сравнению с традиционными процессорами. Результаты, полученные при сравнении с видеокартами NVIDIA 4090 и H100, свидетельствуют о преобразующем влиянии этой технологии:
- Для 134-миллионных гейтов с расширением Mersenne:
- Время работы процессора: 15,08 с
- Время работы NVIDIA 4090: 41,0 мс
- Время работы NVIDIA H100: 16,4 мс (улучшение в 919 раз)
- Для 0,5-разрядных вентилей с расширением Mersenne:
- Процессор работал без сбоев*
- Время работы NVIDIA 4090: 59,5 мс
- Время работы NVIDIA H100: 1019-кратное улучшение
Эти результаты демонстрируют, как ускорение на графическом процессоре может существенно повысить эффективность систем ZK proof, прокладывая путь к более широкому внедрению этих технологий в децентрализованных сетях.
Применение доказательств с нулевым разглашением для обеспечения безопасности и конфиденциальности ИИ
Взаимодействие ZKPS и искусственного интеллекта становится ключевой областью развития. Машинное обучение с нулевым разглашением (zkML) — это заметное достижение, которое позволяет пользователям проверять корректность моделей ИИ, не раскрывая конфиденциальных данных обучения. Интегрируя ZKPS, разработчики могут создавать системы искусственного интеллекта, которые поддерживают конфиденциальность пользователей, сохраняя при этом прозрачность.
Это особенно важно, поскольку системы искусственного интеллекта все чаще используются для принятия важных решений в таких секторах, как здравоохранение и финансы. С помощью zkML заинтересованные стороны могут гарантировать, что их алгоритмы не только надежны в эксплуатации, но и свободны от искажений, часто встречающихся в наборах данных машинного обучения.