原文标题：一文了解最热门zkSNARK方案：零知识证明引论
在之前的文章中，我们介绍了零知识证明的基础概念以及构造zkSNARK的基本思想和方法。从本文开始，我们将逐一介绍目前最热门的zkSNARK方案。文章旨在让读者理解这些方案的基本原理。为了方便叙述并容易理解，在叙述方案时，我们会做一些简化处理，重在传达方案的核心思想。
本文介绍的是Groth16方案。Groth16方案，顾名思义，就是Groth在2016年发表的一篇论文中提出的方案。目前为止，Groth16是在实践中使用最广泛的zkSNARK(没有之一)。特别一提的，Zcash目前使用的zkSNARK方案就是Groth16。从性能上，Groth16的Verifier性能是所有zkSNARK中最快的，其证明字符串也是最短的。
而Groth16的最大缺点就是它需要对每个电路都执行一次可信初始化。
在介绍Groth16之前，简单回顾一下zkSNARK所要解决的问题。我们称这个问题为「计算验证问题」。
计算验证问题
任何计算都可以描述为一个算术电路。一个算术电路可以对数字进行算术运算。电路由加法门、乘法门以及一些常数门组成，如下图所示：
LongHash：灰度比特币信托溢价从30.8%回落至23.39%:LongHash区块链资讯发微博称，灰度比特币信托溢价创近9个月新高30.8%后，目前回落至23.39%，机构投资者逐渐从狂热情绪中恢复正常。 ????[2020/12/11 14:56:13]
这个例子中的电路包含了15个门。这个电路所描述的计算过程需要输入五个数字x1到x5，输出四个数字。
给定一组输入的数字，需要把这个电路中的每个门都计算一遍，才能计算出这个电路的输出。在这个例子中，如果输入是(1,2,3,4,5)，则电路的输出为(-27,14,80,171)，如下图所示：
计算验证问题是指，如果一个验证者——不妨叫做Verifier——只拿到了电路的一组输入和输出，如这个例子中的(1,2,3,4,5)和(-27,14,80,171)，它该如何验证这是一对合法的输入和输出呢？最简单粗暴的方法就是把这个输入重新扔进电路算一遍。如果电路很大的话，这个验证方法最大的缺点就是效率问题。
有些场景下，效率还不是唯一的问题。例如，输入可能包含Verifier不能知道的秘密信息。假设上例中的(3,4,5)是秘密输入，Verifier只能看到(1,2)，如下图所示。此时Verifier要验证的问题就变成了「是否存在(?,?,?)使得电路在输入(1,2,?,?,?)的时候的输出是(-27,14,80,171)」。这个场景下，即使是简单粗暴的重新计算也不再可行。
灰度比特币信托持仓量突破40万个BTC，新增1807个:数据显示：美东时间8月6日，灰度比特币信托（GBTC）持仓量增加了1807个BTC，总持仓已突破40万个BTC，达401385个。资产管理规模约47亿美元。[2020/8/8]
一句话概括计算验证问题：Verifier能否在不知道秘密输入的情况下，高效地验证计算结果？
从电路到R1CS问题
一个zkSNARK就是对上述问题的一个解决方案。使用zkSNARK，一个证明者，叫做Prover，可以为计算过程生成一个简短的证明字符串。Verifier读取这个字符串，就可以判断给定的公开输入和输出是否合法。
Groth16是众多zkSNARK构造方案中的一种。接下来，我们介绍Groth16是怎么解决计算验证问题的。
首先，我们重新审视一下Verifier的任务：我们只知道电路的前两个输入是(1,2)，我们的目标是要判断是否存在一组合法的秘密输入，使得电路的输出是(-27,14,80,171)。如果我们换个角度看这个问题，它其实可以描述为：给一个电路，上面有些空格可以填数字，有些空格已经填上了数字，请问是否存在一种填法，能够同时满足每个门的逻辑？
灰度比特币信托投资总额同比增长十倍 创始人暗示第二季度将继续增长:灰度（Grayscale）旗下比特币信托基金管理资产总额同比增长十倍。从2019年第一季度的平均每周投资额仅为320万美元，到2020年接近3000万美元。据称，这种增长是机构资金到来的结果。与此同时，灰度创始人兼首席执行官Barry Silbert也于推特上暗示，灰度第二季度将继续增长。（BeInCrypto）[2020/5/24]
从这个新的角度，计算验证问题被转换成了一个类似于数独那样的填数字游戏：有一些空格，一部分已经填上，请你填上另外一些空格，满足一些限制条件。
然后，我们为每一个要满足的条件列一个方程。这里，每个要满足的条件其实就是一个门的逻辑：加法门的输出等于两个输入之和，乘法门的输出等于两个输入之积。于是，原来的填空游戏就变成了一个多元方程组。上述例子转化得到的方程组如下：
最后，我们对这个方程做一些整理，使得它能够写成矩阵和向量的形式，更加整齐和简洁。我们把每个方程都写成*=*x*的模式。尽管并不是所有方程中都有乘法，但我们可以给没有乘法的式子乘上一个。于是方程组变成了下面这个样子：
把所有方程合到一起，就得到了原方程组的矩阵表示
我们把最终得到的这个矩阵向量方程叫做一个Rank-1ConstraintSystem(R1CS)。
总结一下，这一节中我们把计算验证问题转化成了数学问题R1CS。
在计算验证问题中，Verifier知道一个电路，拿到公开部分的输入，以及电路的输出，判断它们是否合法。
从R1CS问题到QAP问题
在零知识证明领域，R1CS基本上就是电路的代名词。许多zkSNARK把R1CS问题作为目标问题。不过，大部分zkSNARK不会直接对R1CS下手，而是把R1CS问题继续转化，得到一个等价的多项式问题，再对这个多项式问题设计证明方案。Groth16也不例外。不同的zkSNARK选择的多项式问题各不相同，Groth16选择的是一个叫做QuadraticArithmeticProgramming(QAP)的问题。
这一节中介绍一下怎样把R1CS问题转化为等价的QAP问题。
然后，我们把这些列向量换成多项式，使得多项式方程和原先的向量方程等价。
把向量转化成多项式的一种方式是使用多项式插值。
多项式插值
QAP问题
现在，我们直接把R1CS矩阵中的列向量换成它们的多项式插值，得到的结果如下图所示。
我们用一个表格总结一下上文中提到的所有问题。
为什么要越搞越复杂，把电路问题转化为QAP问题呢？一个简单的回答：就是为了引入多项式！多项式是一个强大的工具。多项式的作用，可以理解为一个「杠杆」，或者叫「误差放大器」。如果我们要检查两个长度为10000的向量是否相等，一定需要检查10000次，哪怕检查过了9999个点都是一样的，也不能保证最后一点是相同的。而两个10000次的多项式，哪怕非常接近，比如说它们的系数有9999个都相同，或者它们在这些点上的取值都相等，但只要有一个点不同，这两个多项式就截然不同。这意味着，如果在一个很大的范围内，例如到当中均匀随机选一个点，两个不同的多项式在这个点上相等的机会只有。检查两个多项式是否相等，比检查同样规模的向量要快得多，这几乎是所有zkSNARK提高Verifier效率的根本原理。
为QAP问题构造zkSNARK
QAP问题就是Groth16要用来构造zkSNARK的最终问题了。不过，在解释Groth16的构造细节之前，我们先准备一些工具。
准备工具
我们假设读者对椭圆曲线群的基本特性和应用有所了解，并采用加法群的记号来描述椭圆曲线群中的点和运算。椭圆曲线群中的元素可以用来表示多项式，并限制Prover必须使用给定的多项式来进行线性组合。这正是QAP所需要用到的特性。
我们看一下椭圆曲线是怎么用来表示多项式的。
KoE假设
然而，上述直觉并不能从离散对数假设严格地证明而来。所以，只能把它作为一个新的安全性假设来用。这个假设就叫做Knowledge-of-Exponent(KoE)假设。
KoE假设怎样应用到QAP问题上呢？那就是，KoE允许我们使用椭圆曲线点来表示多项式，并且迫使Prover只能从已知的多项式线性组合产生新的多项式。
不过，到目前为止，我们忽略了两个关键问题：
关于第二个问题，一个解决方法就是双线性配对。
双线性配对
现在，我们已经准备好了工具：KoE假设和双线性配对。接下来，我们就介绍Groth16是如何为QAP问题构造zkSNARK的。
Groth16方案
Setup
Prove
Verify
解析
我们简单解释一下上述构造为什么能够工作。至于它为什么是安全的，请感兴趣的读者参阅原文。
当然，Verifier的验证式中还包含了许多其他项，但在Groth的精心设计下，它们都消掉了。感兴趣的可以自行验证。
小结
本文中，我们解释了Groth16这个zkSNARK方案的构造原理。我们从算术电路开始，介绍了怎样将计算验证问题转化为R1CS问题以及QAP问题。然后我们解释了怎样使用Groth16方案来证明知道一个QAP问题的解。Groth16方案使用了KoE假设以及双线性配对。它的缺点是需要可信第三方进行初始化，而且初始化过程需要对每个电路进行一次。与此同时，Groth16享有最高效的Verifier算法以及最短的证明字符串，使得Groth16成为至今仍然应用最广的zkSNARK方案。
参考资料
JenGroth.OntheSizeofPairing-basedNon-interactiveArgument.2016.
撰文：Cyte
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。