Pada bulan April, Vitalik menghadiri Konferensi Blockchain Hong Kong dan menyampaikan pidato berjudul 'Mencapai Batas Desain Protokol,' di mana ia menyoroti potensi ZK-SNARKs dalam peta jalan Danksharding Ethereum dan membahas peran menjanjikan dari chip ASIC dalam mempercepat proses ZK. Sebelumnya, rekan pendiri Scroll, Zhang Ye, menyarankan bahwa aplikasi potensial ZK bisa jauh lebih besar di sektor tradisional daripada di Web3, dengan permintaan yang signifikan di bidang-bidang seperti komputasi terpercaya, basis data, perangkat keras yang dapat diverifikasi, otentikasi konten, dan zkML. Jika generasi bukti ZK secara real-time menjadi memungkinkan, itu dapat mengakibatkan perubahan yang mengubah baik di Web3 maupun industri tradisional. Namun, dari sudut pandang efisiensi dan biaya, adopsi luas ZK masih jauh.

Pada tahun 2022, firma modal ventura terkemuka a16z dan Paradigm merilis laporan yang menekankan pentingnya percepatan perangkat keras ZK. Paradigm bahkan memprediksi bahwa pendapatan masa depan untuk penambang ZK bisa sebanding dengan penambang Bitcoin atau Ethereum, dengan solusi percepatan perangkat keras berbasis GPU, FPGA, dan ASIC yang siap untuk merebut pangsa pasar yang signifikan. Menyusul munculnya ZK Rollups mainstream seperti Scroll dan Starknet, percepatan perangkat keras menjadi topik hangat, dan minat tersebut semakin meningkat dengan diluncurkannya proyek seperti Cysic.

Dengan permintaan yang besar untuk ZK, kemungkinan bahwa kolam penambangan ZK dan model SaaS generasi ZKP real-time dapat menciptakan industri baru. Di pasar yang sedang berkembang ini, produsen perangkat keras ZK dengan kemampuan yang kuat dan keunggulan sebagai pelaku awal dapat berpotensi menjadi Bitmain berikutnya, mendominasi bidang percepatan perangkat keras. Cysic menonjol sebagai salah satu pemain yang paling menjanjikan dalam ruang ini. Timnya telah memenangkan penghargaan terkenal dari platform kompetisi teknologi ZKP ZPrize dan mulai menjadi mentor untuk ZPrize pada tahun 2023. Roadmap mereka mencakup kolam penambangan ZK B2B (bisnis-ke-bisnis) dan perangkat keras ZK-Depin B2C (bisnis-ke-konsumen), menarik investasi substansial dari VC teratas seperti Polychain, ABCDE, OKX Ventures, dan Hashkey, yang menghasilkan pendanaan hampir $20 juta.

Saat Cysic bersiap untuk meluncurkan testnet-nya pada akhir Juli dan membuka kolam penambangan ZK-nya, diskusi tentang perusahaan ini semakin memanas di berbagai komunitas. Artikel ini bertujuan untuk memperkenalkan lebih banyak orang kepada konsep produk dan model bisnis Cysic sambil memberikan gambaran yang dapat diakses tentang prinsip-prinsip percepatan perangkat keras ZK. Pada bagian-bagian yang akan datang, kami akan secara singkat menguraikan aspek-aspek kunci Cysic, sehingga membuat lebih mudah bagi pembaca untuk memahaminya.

Memahami Sistem Bukti ZK: Perspektif Alur Kerja

Sistem bukti ZK (Zero-Knowledge) rumit, tetapi kita dapat menyederhanakan pemahamannya dengan memecahkannya melalui fungsi dan alur kerjanya. Berikut adalah gambaran umum tentang bagaimana suatu sistem yang dirancang untuk menerapkan ZK ke komputasi biasa bekerja: Pertama, pengguna berinteraksi dengan sistem ZK melalui antarmuka front-end, mengirimkan konten yang ingin mereka buktikan. Front-end kemudian mengonversi konten ini ke dalam format yang cocok untuk diproses oleh sistem bukti ZK. Sistem menggunakan sistem bukti atau kerangka kerja tertentu (seperti Halo2 atau Plonk) untuk menghasilkan Bukti ZK. Proses ini mencakup beberapa langkah kunci:

1. Mendefinisikan Masalah: Langkah pertama adalah mengidentifikasi konten spesifik yang perlu dibuktikan. Misalnya, si Pembuktikan dapat mengklaim mengetahui atau memiliki data tertentu, seperti menyatakan, “Saya tahu solusi N untuk persamaan F(x)=w,” tanpa mengungkapkan nilai sebenarnya dari N.
2. Masalah Konversi Aritmetika dan Kepuasan Kendala (CSP): Setelah Prover mengajukan konten, sistem membuat model matematika atau program khusus yang akurat mewakili konten yang akan dibuktikan. Kemudian, ini dikonversi ke dalam format yang dapat diproses oleh sistem bukti. Misalnya, pernyataan "Saya tahu solusi N untuk persamaan F(x)=w" diubah dari persamaan matematika aslinya menjadi bentuk yang direpresentasikan oleh sirkuit Gerbang logika dan polinomial.

1. Mengompilasi menjadi ZKP: Selanjutnya, sistem memilih sistem bukti yang sesuai, seperti Halo atau Plonk, dan mengompilasi konten yang sebelumnya dihasilkan menjadi program ZKP. Prover kemudian menggunakan program ini untuk menghasilkan bukti, yang Verifier periksa keabsahannya.

Untuk sistem seperti zkEVM, yang umum digunakan dalam solusi Layer 2 Ethereum, smart kontrak pertama kali dikompilasi ke bytecode EVM (Ethereum Virtual Machine). Setiap opcode kemudian dikonversi menjadi sirkuit gerbang logika atau kendala polinomial sebelum diproses lebih lanjut oleh sistem bukti ZK di belakang layar.

Penting untuk dicatat bahwa zk-SNARKs (Zero-Knowledge Succinct Non-Interactive Argument of Knowledge) adalah teknologi ZKP yang paling umum digunakan dalam blockchain saat ini. Banyak ZK Rollups memanfaatkan kekompakan SNARKs daripada properti pengetahuan nol mereka. Kekompakan mengacu pada kemampuan ZKP untuk mengompres data dalam jumlah besar menjadi beberapa ratus byte, secara signifikan mengurangi biaya verifikasi. Ini menghasilkan asimetri antara beban kerja Prover dan Verifier: sementara mahal bagi Prover untuk menghasilkan ZKP, relatif murah bagi Verifier untuk memverifikasinya. Dengan memanfaatkan asimetri ini, sebuah skenario dengan satu Prover dan banyak Verifier dapat secara signifikan menurunkan biaya keseluruhan di pihak Verifier. Model ini terutama menguntungkan untuk verifikasi terdesentralisasi, seperti yang diwujudkan oleh solusi Layer 2 Ethereum.

Namun, model pembongkaran biaya verifikasi ke proses pembangkitan ZKP ini bukanlah obat untuk semua. Untuk proyek ZK Rollup, tingginya biaya menghasilkan ZKP pasti akan diteruskan ke pengalaman pengguna dan biaya transaksi, yang dapat menghambat adopsi ZK Rollup jangka panjang. Terlepas dari potensi ZK dalam verifikasi yang tidak dapat dipercaya dan terdesentralisasi, kondisi ekonomi saat ini tidak mendukung implementasi skala besar zkEVM, zkVM, ZK Rollups, atau jembatan ZK karena kendala waktu yang terkait dengan pembuatan bukti. Hal ini menyebabkan munculnya proyek akselerasi ZK seperti Cysic, Ingonyama, dan Irreducible, masing-masing bekerja untuk mengurangi biaya pembangkitan ZKP dari sudut yang berbeda. Pada bagian berikut, kita akan membahas secara singkat biaya komputasi utama dan teknik akselerasi untuk generasi ZKP, dan mengapa Cysic memiliki potensi signifikan dalam ruang akselerasi ZK.

Tantangan Komputasional: MSM dan NTT

Diketahui luas bahwa menghasilkan bukti dalam sistem ZK membutuhkan waktu yang lama bagi Prover. Dalam protokol ZK-SNARK, Seorang Verifier mungkin dapat memverifikasi bukti dalam waktu hanya satu detik, tetapi mungkin membutuhkan waktu setengah hari atau bahkan satu hari penuh bagi Prover untuk menghasilkan bukti tersebut. Untuk mengoptimalkan penggunaan perhitungan ZKP, diperlukan untuk mengonversi format perhitungan dari pemrograman klasik ke format yang ramah ZK.

Saati ini ada dua metode utama untuk mencapai hal ini: salah satunya melibatkan menulis sirkuit menggunakan kerangka sistem bukti seperti Halo2, sedangkan yang lain melibatkan penggunaan bahasa khusus domain (DSL) seperti Cairo atau Circom, untuk menerjemahkan komputasi menjadi format intermediate yang kemudian dapat diserahkan ke sistem bukti. Sistem bukti menghasilkan bukti ZK berdasarkan sirkuit atau format intermediate yang dikompilasi oleh DSL. Semakin kompleks operasi, semakin lama waktu yang dibutuhkan untuk menghasilkan bukti. Selain itu, beberapa operasi secara inheren tidak ramah ZK dan memerlukan upaya tambahan untuk diimplementasikan. Misalnya, fungsi hash seperti SHA atau Keccak tidak ramah ZKP, yang berarti menggunakannya meningkatkan waktu generasi bukti. Bahkan operasi yang murah untuk dieksekusi pada komputer klasik mungkin tidak efisien untuk ZKP.

Mengesampingkan tugas-tugas yang tidak ramah ZK ini, bottleneck dalam proses pembangkitan bukti sangat mirip di berbagai sistem bukti. Ada dua tugas komputasi utama yang menghabiskan sebagian besar sumber daya dalam pembangkitan bukti ZK: MSM (Multi-Scalar Multiplication) dan NTT (Number Theoretic Transform). Dua tugas ini dapat menyumbang 80-95% dari waktu pembangkitan bukti, tergantung pada skema komitmen ZKP dan implementasi spesifiknya. MSM melibatkan perkalian multi-scalar pada kurva eliptik, sedangkan NTT adalah FFT (Fast Fourier Transform) pada lapangan terbatas yang digunakan untuk mempercepat perkalian polinomial. Kombinasi yang berbeda dari tugas-tugas ini dapat menghasilkan distribusi beban yang bervariasi antara FFT dan MSM. Misalnya, Stark menggunakan FRI, skema komitmen berbasis hash yang tidak melibatkan MSM, berbeda dengan skema berbasis kurva eliptik seperti KZG atau IPA. Secara umum, semakin banyak operasi FFT yang diperlukan, semakin sedikit operasi MSM, dan sebaliknya.

Strategi Optimasi

Operasi MSM ditandai dengan akses memori yang dapat diprediksi, yang memungkinkan paralelisasi yang tinggi tetapi membutuhkan sumber daya memori yang signifikan. Namun, MSM juga menimbulkan tantangan skalabilitas; bahkan dengan paralelisasi, ia masih bisa lambat. Meskipun akselerasi hardware dapat membantu mempercepat MSM, itu membutuhkan sumber daya memori dan komputasi paralel yang substansial.

NTT, di sisi lain, melibatkan akses memori acak, sehingga kurang cocok untuk akselerasi perangkat keras dan sulit ditangani dalam sistem terdistribusi. Hal ini karena sifat akses acak NTT sering kali membutuhkan akses data dari node lain dalam lingkungan terdistribusi. Ketika interaksi jaringan diperlukan, kinerja dapat menurun drastis.

Oleh karena itu, akses dan pergerakan data yang disimpan menjadi hambatan utama, membatasi kemampuan untuk memparallelkan operasi NTT. Sebagian besar upaya untuk mempercepat NTT berfokus pada cara mengelola interaksi komputasi dengan memori.

Sebenarnya, cara paling sederhana untuk mengatasi bottleneck efisiensi MSM dan NTT adalah dengan mengeliminasi operasi-operasi ini sama sekali. Beberapa algoritma yang baru diusulkan, seperti Hyperplonk, memodifikasi Plonk untuk menghilangkan operasi NTT, membuat Hyperplonk lebih mudah dipercepat, meskipun memperkenalkan bottleneck baru. Contoh lain termasuk protokol pengecekan jumlah yang mahal secara komputasi atau algoritma STARK, yang menghilangkan MSM tetapi menambahkan perhitungan hash yang signifikan melalui protokol FRI-nya.

Akselerasi Perangkat Keras ZK dan Tujuan Utama Cysic

Sementara optimisasi perangkat lunak dan algoritmik penting dan berharga, mereka memiliki batasan yang jelas. Untuk sepenuhnya mengoptimalkan efisiensi generasi ZKP, percepatan perangkat keras sangat penting, sama seperti bagaimana ASIC dan GPU akhirnya mendominasi pasar penambangan BTC dan ETH.

Pertanyaannya kemudian menjadi: hardware terbaik untuk mempercepat generasi ZKP adalah apa? Saat ini, beberapa opsi hardware tersedia untuk percepatan ZK, seperti GPU, FPGA, atau ASIC, masing-masing dengan kelebihan dan kekurangan sendiri.

Membandingkan Perangkat Keras GPU, FPGA, dan ASIC

Untuk lebih memahami perbedaan dalam proses pengembangan di berbagai hardware GPU, FPGA, dan ASIC, mari kita pertimbangkan contoh sederhana: mengimplementasikan perkalian paralel.

• GPU: Dengan menggunakan SDK CUDA, pengembang dapat menulis kode yang memanfaatkan komputasi paralel, mirip dengan menulis kode asli.
• FPGA: Pengembang perlu mempelajari bahasa deskripsi perangkat keras (HDL) untuk mengontrol koneksi tingkat perangkat keras dan mengimplementasikan algoritma paralel.
• ASIC: Tata letak transistor pada chip telah ditetapkan selama tahap desain dan tidak dapat diubah nanti.

Setiap opsi perangkat keras memiliki kelebihan dan kelemahan masing-masing, sehingga cocok untuk tahapan pengembangan teknologi ZK yang berbeda. Tujuan Cysic adalah menjadi solusi akhir untuk akselerasi perangkat keras ZK, dengan menggunakan strategi bertahap:

1. GPU: Mengembangkan SDK untuk memberikan solusi untuk aplikasi ZK dan mengintegrasikan sumber daya GPU di seluruh jaringan.
2. FPGA: Manfaatkan fleksibilitas FPGA untuk dengan cepat membuat akselerasi perangkat keras ZK yang disesuaikan.
3. ASIC: Secara mandiri mengembangkan perangkat keras ZK Depin berbasis ASIC.
4. Cysic Network akan mengintegrasikan semua daya komputasi dari ZK Depin dan GPU sebagai platform SAAS / kolam penambangan untuk menyediakan daya komputasi dan solusi verifikasi untuk seluruh industri ZK.

Mari kita jelajahi berbagai sub-bidang ini untuk lebih memahami perbedaan antara solusi percepatan ZK dan pendekatan pengembangan Cysic.

Kolam Penambangan ZK dan Platform SaaS: Jaringan Cysic

Baik Scroll dan Polygon zkEVM telah mengusulkan konsep "Prover terdesentralisasi" dalam peta jalan mereka, yang pada dasarnya berarti membangun kolam penambangan ZK. Pendekatan berbasis pasar ini membantu proyek ZK Rollup mengurangi beban kerja mereka sambil memberi insentif kepada penambang dan operator kumpulan penambangan untuk terus mengoptimalkan solusi akselerasi ZK. Roadmap Cysic mencakup pengembangan kolam penambangan ZK dan platform SaaS yang disebut Cysic Network, yang akan mengintegrasikan kekuatan komputasi Cysic dan menarik sumber daya pihak ketiga melalui insentif penambangan, termasuk GPU idle dan perangkat DePIN zk milik konsumen. Seluruh alur kerja verifikasi berfungsi sebagai berikut:

1. Penyerahan Tugas: Tim proyek zk mengirimkan tugas generasi bukti ke agen, yang meneruskan tugas ke jaringan verifikasi. Awalnya, agen-agen ini akan dioperasikan oleh Cysic, tetapi nantinya, pemegang aset akan diizinkan menjadi agen.
2. Generasi Bukti: Prover menerima tugas dan menggunakan perangkat keras untuk menghasilkan bukti ZK. Prover harus mempertaruhkan token untuk berpartisipasi dan akan diberi hadiah setelah menyelesaikan tugas.
3. Validasi: Komite Validator memeriksa validitas bukti dan memberikan suaranya. Begitu mencapai sejumlah suara tertentu, bukti dianggap valid. Validator bergabung dengan komite dengan mempertaruhkan token, berpartisipasi dalam pemungutan suara, dan mendapatkan imbalan. Proses ini mungkin mencakup konsep AVS EigenLayer untuk menggunakan kembali fasilitas Restaking yang ada.

Proses interaksi yang terperinci adalah sebagai berikut

Dalam proses ini, tindakan-tindakan tertentu, seperti staking aset, distribusi insentif, dan pengajuan tugas, memerlukan platform khusus yang didukung oleh infrastruktur blockchain. Untuk memenuhi kebutuhan ini, Cysic Network telah mengembangkan rantai publik khusus dengan algoritma konsensus unik yang disebut Proof of Compute (PoC). Algoritma ini menggunakan fungsi VRF dan kinerja historis Prover, seperti ketersediaan perangkat, jumlah bukti yang diajukan, akurasi bukti, dll., untuk memilih produsen blok yang bertanggung jawab untuk membuat blok (blok ini mungkin mencatat informasi perangkat dan mendistribusikan insentif token). Selain kolam penambangan ZK dan platform SaaS, Cysic telah melakukan penyebaran yang luas dalam solusi percepatan ZK berbasis perangkat keras yang berbeda. Mari kita jelajahi prestasi Cysic dalam teknologi GPU, FPGA, dan ASIC.

GPU, FPGA, dan ASIC: Perbandingan

Inti dari percepatan perangkat keras ZK (Zero-Knowledge) terletak pada memaksimalkan paralelisasi perhitungan kunci. Dari perspektif perangkat keras, CPU dirancang untuk fleksibilitas maksimum dan penggunaan umum. Namun, sebagian besar area chip CPU didedikasikan untuk fungsi kontrol dan berbagai tingkat cache, yang membatasi kemampuan komputasi paralelnya. Sebaliknya, proporsi yang lebih besar dari area chip GPU dialokasikan untuk komputasi, memungkinkannya untuk mendukung pemrosesan paralel skala besar. GPU kini banyak tersedia, dan perpustakaan seperti Nvidia CUDA memungkinkan pengembang memanfaatkan paralelisme GPU tanpa perlu pengetahuan mendalam tentang perangkat keras yang mendasarinya. SDK CUDA menyediakan kerangka kerja untuk mempercepat perhitungan MSM (Multi-Scalar Multiplication) dan NTT (Number Theoretic Transform) menggunakan perpustakaan ZK CUDA.

FPGA (Field-Programmable Gate Array) mengambil pendekatan yang berbeda, terdiri dari rangkaian unit pemrosesan kecil yang banyak. Untuk memprogram FPGA, pengembang harus menggunakan bahasa deskripsi perangkat keras (HDL) khusus, yang kemudian dikompilasi menjadi kombinasi sirkuit transistor. Pada dasarnya, FPGA menerapkan algoritma spesifik secara langsung melalui rangkaian transistor, melewati proses kompilasi sistem instruksi tradisional. Pendekatan ini menawarkan lebih banyak penyesuaian dan fleksibilitas dibandingkan dengan GPU. Saat ini, harga FPGA sekitar sepertiga dari harga GPU, dan mereka dapat lebih dari sepuluh kali lebih efisien energi. Keunggulan efisiensi energi ini sebagian karena GPU perlu terhubung ke perangkat host, yang biasanya mengonsumsi banyak daya. FPGA dapat menambahkan lebih banyak modul komputasi untuk memenuhi tuntutan MSM dan NTT tanpa meningkatkan konsumsi energi, menjadikannya sangat cocok untuk skenario bukti ZK yang membutuhkan komputasi intensif, throughput data tinggi, dan waktu respons rendah. Namun, tantangan terbesar dengan FPGA adalah kelangkaan pengembang dengan pengalaman pemrograman yang diperlukan. Untuk tim proyek ZK, mengumpulkan tim dengan keahlian kriptografi dan pengetahuan rekayasa FPGA sangat menantang.

ASIC (Application-Specific Integrated Circuit) adalah yang paling khusus dari ketiganya, pada dasarnya mengimplementasikan program secara keseluruhan di dalam hardware. Setelah ASIC dirancang, konfigurasi hardwarenya tetap dan tidak dapat diubah, artinya hanya dapat melakukan tugas-tugas tertentu. Keuntungan FPGA dalam mempercepat MSM dan NTT juga berlaku untuk ASIC, tetapi karena ASIC dirancang untuk aplikasi tertentu, ia menawarkan efisiensi tertinggi dan konsumsi daya terendah di antara semua pilihan hardware. Untuk rangkaian ZK utama saat ini, Cysic bertujuan untuk mencapai waktu bukti 1-5 detik, yang hanya dapat diberikan oleh ASIC. Meskipun manfaat-manfaat ini sangat menarik, teknologi ZK terus berkembang pesat, dan siklus desain dan produksi ASIC biasanya memakan waktu 1-2 tahun dan biaya antara $10 juta dan $20 juta. Oleh karena itu, produksi dalam skala besar harus menunggu hingga teknologi ZK stabil agar tidak menghasilkan chip yang dengan cepat menjadi usang.

Untuk mengatasi tantangan-tantangan ini, Cysic telah melakukan investasi komprehensif dalam ketiga kategori perangkat keras: GPU, FPGA, dan ASIC. Dalam percepatan GPU, Cysic telah beradaptasi dengan munculnya berbagai sistem bukti ZK baru melalui SDK percepatan CUDA yang dikembangkannya sendiri. Dengan menggabungkan sumber daya komunitas, Cysic telah menghubungkan puluhan ribu GPU kelas atas ke jaringan komputasi GPU-nya, mencapai peningkatan kecepatan 50%-80% atau lebih dibandingkan dengan kerangka kerja open-source terbaru. Di ruang FPGA, Cysic telah mengembangkan solusi yang menetapkan standar kinerja global untuk modul pohon MSM, NTT, dan Poseidon Merkle, mencakup komponen-komponen paling kritis dari komputasi ZK. Solusi ini telah diuji prototipe dan divalidasi oleh beberapa proyek ZK terkemuka. SolarMSM milik Cysic dapat menyelesaikan perhitungan MSM skala 2^30 dalam waktu hanya 0,195 detik, sedangkan SolarNTT dapat melakukan perhitungan NTT skala 2^30 dalam waktu 0,218 detik, menjadikannya hasil percepatan perangkat keras FPGA dengan kinerja tertinggi yang tersedia saat ini.

Di bidang ASIC, sementara adopsi luas dari ZK ASIC mungkin masih memerlukan waktu, Cysic telah menempatkan diri di pasar yang sedang berkembang ini dengan mengembangkan chip dan perangkat ZK DePIN miliknya sendiri. Untuk menarik pengguna konsumen dan memenuhi berbagai kebutuhan kinerja dan biaya dari proyek ZK yang berbeda, Cysic berencana untuk memperkenalkan dua produk perangkat keras ZK: ZK Air dan ZK Pro.

• ZK Air: Perangkat ini kompak, ukurannya mirip dengan power bank atau charger laptop, memungkinkan pengguna sehari-hari menghubungkannya melalui antarmuka Type-C ke laptop, iPad, atau bahkan ponsel pintar. Ini memberikan dukungan komputasi untuk proyek ZK tertentu sambil mendapatkan imbalan bagi pengguna. Meskipun ukurannya kecil, kekuatan komputasi ZK Air melebihi GPU kelas konsumen, membuatnya mampu mempercepat tugas generasi bukti ZK skala kecil.
• ZK Pro: Dirancang untuk aplikasi yang lebih intensif, ZK Pro menyerupai rig penambangan tradisional dan menawarkan kekuatan komputasi yang setara dengan server multi-GPU. Ini secara signifikan mempercepat generasi bukti ZK untuk proyek skala besar seperti ZK-Rollup dan ZKML (Zero-Knowledge Machine Learning).

Melalui kedua perangkat ini, Cysic bertujuan untuk membuat jaringan ZK-DePIN yang stabil dan dapat diandalkan. Baik ZK Air maupun ZK Pro saat ini sedang dalam pengembangan, dengan rilis yang diantisipasi pada tahun 2025. Selain itu, Jaringan Cysic akan memungkinkan pengguna konsumen untuk memasuki pasar akselerasi perangkat keras ZK dengan hambatan yang sangat rendah. Ditambah dengan tingginya permintaan akan kekuatan komputasi dari tim proyek ZK, hal ini bisa memicu gelombang antusiasme baru yang mirip dengan booming penambangan Bitcoin, yang potensial memimpin pada pertumbuhan yang meledak di pasar komputasi ZK.

Referensi

https://medium.com/amber-group/need-for-speed-zero-knowledge-1e29d4a82fcdhttps://figmentcapital.medium.com/accelerating-zero-knowledge-proofs-cfc806de611b

Disclaimer:

1. Artikel ini dicetak ulang dari Geek Web3. Hak cipta adalah milik penulis asli, [Nickqiao & Wuyue]. Jika ada keberatan dengan cetak ulang, silakan hubungi Gate Belajartim, dan tim akan segera memprosesnya sesuai dengan prosedur yang relevan.
2. Penyangkalan: Pandangan dan opini yang tertera dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Versi bahasa lain dari artikel telah diterjemahkan oleh tim Gate Learn. Artikel yang diterjemahkan mungkin tidak boleh disalin, didistribusikan, atau diplagiat tanpa menyebutkan Gate.io.