-
Polyhedra Network ha presentado avances innovadores en sistemas a prueba de conocimiento cero, logrando mejoras de rendimiento de más de 2000 veces a través de la aceleración de GPU.
-
Las últimas optimizaciones centradas en el protocolo Sumcheck han aprovechado la inmensa potencia de procesamiento de las GPU, prometiendo una mayor escalabilidad y eficiencia en las aplicaciones blockchain.
-
Según el investigador jefe de Polyhedra, Tiancheng, “ZK ha evolucionado. Lo que comenzó como una tecnología centrada en la privacidad es ahora una puerta de entrada a la escalabilidad de blockchain”, enfatizando el potencial transformador de sus innovaciones.
El avance de Polyhedra Network en sistemas a prueba de conocimiento cero mejora la escalabilidad de la cadena de bloques y la seguridad de la IA, transformando potencialmente el panorama de las aplicaciones descentralizadas.
Innovador aumento del rendimiento para pruebas de conocimiento cero
El equipo de Polyhedra ha logrado avances significativos en el campo de pruebas de conocimiento cero (ZKP)logrando una mejora excepcional en el rendimiento mediante la utilización aceleración de GPU. Esta innovación es particularmente evidente en las pruebas de sus Sistema a prueba de expansoresque demostró tiempos de ejecución incomparables en comparación con los métodos tradicionales de CPU. En comparación con las tarjetas gráficas NVIDIA 4090 y H100, los resultados resaltan el impacto transformador de esta tecnología:
- Para portones de 134M con extensión Mersenne:
- Tiempo de CPU: 15,08 s
- NVIDIA 4090 Tiempo: 41,0 ms
- Tiempo NVIDIA H100: 16,4 ms (mejora de 919x)
- Para puertas 0.5B con extensión Mersenne:
- La CPU ejecutó OOM*
- NVIDIA 4090 Tiempo: 59,5 ms
- Tiempo NVIDIA H100: mejora 1019x
Estos resultados demuestran cómo la aceleración de GPU puede mejorar fundamentalmente la eficiencia de los sistemas a prueba de ZK, allanando el camino para una adopción más amplia de estas tecnologías en redes descentralizadas.
Aplicaciones de pruebas de conocimiento cero en seguridad y privacidad de la IA
La intersección de las ZKP y la inteligencia artificial está demostrando ser un área fundamental de desarrollo. Aprendizaje automático de conocimiento cero (zkML) Es un avance notable que permite a los usuarios verificar la exactitud de los modelos de IA sin revelar datos de entrenamiento confidenciales. Al integrar ZKP, los desarrolladores pueden crear sistemas de inteligencia artificial que respeten la privacidad del usuario y al mismo tiempo mantengan la transparencia.
Esto es especialmente crucial a medida que se depende cada vez más de los sistemas de inteligencia artificial para tomar decisiones críticas en sectores como la atención médica y las finanzas. Con zkML, las partes interesadas pueden garantizar que sus algoritmos no solo sean operativamente sólidos sino que también estén libres de sesgos que a menudo se encuentran en los conjuntos de datos de aprendizaje automático.