不同证明方案的比较：理解 ZK 证明系统的优缺点

作者：Hill.bit

零知识证明的概念大家耳熟能详，但具体到技术细节可能很多人都一头雾水。

在零知识证明系统中，有三个实体参与：设置者、证明者和验证者。不同的证明方案会以各种方式影响它们的行为，从而影响效率、安全性和整个系统的性能。

线性 PCPs + 仅线性编码：

利用线性概率可检验证明（PCPs）和线性运算；

提供强零知识属性；

生成最短的证明；

需要受信任的设置；

以前的改进主要集中在减少证明者时间上。

线性 PCPs 是一种证明系统，其中验证者通过查询少量证明来检查语句的有效性。术语“线性”指验证者的查询是证明的线性函数。

多项式 IOPs + 多项式承诺方案：

利用代数结构；

通常比基于线性 PCP 的系统更高效；

支持通用/不受信任的设置；

允许定制电路；

以前的改进主要集中在提高验证者效率上。

多项式交互式预言机证明（IOPs）是一种证明系统，其中证明者和验证者在多个回合中交换消息。证明者生成预言（对多项式的承诺）并将其提供给验证者。

与线性 PCPs + 仅线性编码相比的效率提高来自于：

更好地利用代数结构；

更高效的证明生成/验证；

压缩多项式表示；

批处理验证技术

然而，多项式 IOPs + 多项式承诺方案存在以下缺点：

更复杂的设计和实现；

特定目的的加密假设；

不同的性能权衡，例如可并行性。

折迭方案：

允许递归证明组合；

实现嵌套证明以提高效率和可扩展性；

快速且易于并行化的证明者；

之前的改进主要集中在构建递归 SNARKs 上。

递归证明组合可以降低验证者的计算和内存需求，这在像区块链这样的应用中特别有用。证明聚合可以减小最终证明的大小和验证时间，但生成这样的证明可能对证明者的计算要求更高。 与多项式 IOPs + 多项式承诺方案相比，折迭方案的效率提高来自于：

递归证明组合；

证明聚合；

改进的可扩展性；

更快的验证时间。

折迭方案的潜在缺点包括：

更复杂的设计和实现；

定制化的加密假设；

增加证明者的计算时间和内存开销；

适用性可能因用例而异 。

总之，线性 PCPs + 仅线性编码提供强大的零知识属性和最短的证明长度，但它们需要受信任的设置，并且与其他类别相比在效率上具有局限性。多项式 IOPs + 多项式承诺方案通过更高效的证明生成和验证过程，在效率上比线性 PCPs + 仅线性编码有显著改进，但设计和实现可能更为复杂。

折迭方案在效率和可伸缩性方面表现出色，得益于递归证明组合，这在区块链应用中尤其有用。但是，证明者的计算时间和内存开销可能会增加，并且其适用性可能因使用情况而异。