ZKP في Web3: الآن والمستقبل

المؤلف: محمد فودة، تشياو وانغ؛ المترجم: دازاي؛ المصدر: SEEDAO

< p style="text-align: left;">تقنية المعرفة الصفرية، والمشار إليها بـ zk، هي تقنية لا يمكنها تحويل Web3 فحسب، بل يمكنها أيضًا تحويل الصناعات الأخرى. كتقنية عامة، لدى zk العديد من حالات التطبيق، ونحن في المراحل الأولى من استكشاف تطبيق هذه التقنية. وجدت بعض حالات استخدام zk الواضحة تطبيقات عملية، مثل تنفيذ المعاملات الخاصة وضغط البيانات، المعروف أيضًا باسم التجميعي. بالطبع، إذا تم اعتماد zk من قبل الاتجاه السائد، فإنه يحتاج إلى دعم المزيد من حالات التطبيق المحتملة والتقدم التكنولوجي.

في هذه المقالة، سنراجع أولاً التطبيقات المختلفة لـ ZKP. وسنناقش بعد ذلك إلى أين تتجه المرحلة التالية من هذه التكنولوجيا، بالإضافة إلى بعض الأفكار الريادية التي يمكن أن تستفيد من هذه التكنولوجيا. يتم تشجيع البناة الذين يعتمدون على هذه الأفكار على الاتصال بمجتمع مؤسسي التحالف أو التقدم بطلب للانضمام إليه. التحالف على استعداد لدعم وتمويل جهود المؤسسين في هذا الاتجاه.

بانوراما تطبيق ZKP

إثباتات المعرفة الصفرية (المشار إليها فيما يلي باسم ZKPs)، منذ على الرغم من أهمية اختراعهم في صناعة العملات المشفرة، فقد عملت ZKPs حرفيًا بسحرها لإثارة التكنولوجيا. على مستوى عالٍ، تتيح نقاط المعرفة ZKPs لأي كيان أن يثبت للآخرين في العالم أنهم يعرفون جزءًا من المعلومات أو قاموا بأداء مهمة بشكل صحيح دون الحاجة إلى الكشف عن المعلومات أو إخبار تفاصيل كيفية أداء المهمة. يتيح لنا السحر الرياضي لـ zk الوثوق بهذه المعلومة أو تنفيذ المهمة عن طريق التحقق من ZKP الذي تم إنشاؤه. ولذلك، فإن أفضل حالات الاستخدام الأول لـ ZKPs هي الشبكات المشفرة التي تركز على الخصوصية. تُستخدم أيضًا إثباتات المعرفة الصفرية (ZKPs) لتوفير إثبات صحة معاملات Ethereum L2 على Ethereum L1، مما يقدم مفهوم مجموعات zk. بالإضافة إلى ذلك، وجدت ZKPs تطبيقات محددة أخرى في مشاريع مختلفة.

حلول وبروتوكولات الدفع التي تركز على الخصوصية

يمكن لـ ZKP تحقيق الخصوصية بشكل طبيعي، خاصة في غياب شبكة لا مركزية يمكن أن تكون بمثابة مصدر مركزي للحقيقة . وسط. تسمح ZKPs لمستخدمي Web3 (أي المثبتين) بإثبات صحة معاملاتهم لمدققي الشبكة (أي المدققين). أي أن لديهم رصيدًا كافيًا للإنفاق دون الكشف عن تفاصيل المعاملة مثل مبلغ المعاملة أو عنوان المرسل أو المستلم.

تم تطوير ZKP في الأصل لدعم المدفوعات الخاصة في شبكة Zcash ثم تم توسيعه ليشمل شبكات أخرى. تتضمن شبكات دفع الخصوصية المنشورة بالفعل ما يلي:

• الخصوصية في أساسياتها L1s : Zcash وHorizon وAleo وIron Fish

• الخصوصية العامة الذكية العقود على السلسلة: Tornado Cash

L2s الأساسية الموجهة نحو الخصوصية : الأزتيك

التحقق من ZK ROLLUPS

تطبيق رئيسي آخر لـ ZKPs هو إنشاء أدلة صحة مجمعة على L1 الأساسي. تم تحسين التجميع الشامل للإنتاجية، أي من خلال عدم استغلال خصائص الخصوصية لـ ZKPs لإثبات المزيد من عمليات الإرسال. في هذه المقايضة، يعمل ZKP فقط كدليل على صحة تنفيذ معاملة L2.

بالنسبة لبعض الوظائف العامة التي لا يمكن إثباتها بشكل فعال، فمن الصعب إنشاء ZKPs لإثبات التنفيذ الصحيح لأي عقد ذكي. يتطلب حل هذه المشكلة تنفيذ أجهزة افتراضية متخصصة (VMs) يمكنها إجراء إثباتات فعالة من خلال دائرة المعرفة الصفرية الأساسية (دائرة zk). نظرًا لتعقيدها، ستدعم مجموعات zk في البداية فقط المدفوعات أو التطبيقات الفردية، مثل التبادلات اللامركزية، حيث يمكن إنشاء ZKPs ببساطة. تتضمن الأمثلة هنا zkSync 1.0 وLoopring. بعد ذلك، بدأت تطبيقات zkEVM الشائعة في الظهور في السوق، بما في ذلك Starknet وzkSync 2.0 وPolygon zkEVM وScroll. حاليًا، جميع مجموعات zk موجودة على Ethereum، ولكن يمكن تنفيذها أيضًا على سلاسل أخرى، بما في ذلك Bitcoin. ومع ذلك، فإن تنفيذ عمليات تجميع البيتكوين سيتطلب تغييرات في كود تشغيل البيتكوين وسلسلة الهارد فورك، والتي تميل إلى أن لا تحظى بشعبية لدى مجتمع البيتكوين.

تطبيقات أخرى لإثبات المعرفة الصفرية

بالإضافة إلى التطبيقات التي تركز على الخصوصية والمجموعات المجمعة، تُستخدم ZKPs أيضًا في بروتوكولات blockchain الأخرى. يصف هذا القسم هذه التطبيقات.

Mina

Mina تستخدم ZKPs لتحويل حالة blockchain إلى حجم صغير جدًا (حوالي 22 كيلو بايت). ولتحقيق ذلك، يستخدم مينا براهين المعرفة الصفرية العودية، وهي براهين المعرفة الصفرية لبراهين المعرفة الصفرية الأخرى. عند إنشاء كتلة في شبكة مينا، يتم استخدام zk-SNARKs لإنشاء دليل على الكتلة للتأكد من صلاحيتها. نظرًا لأن الكتل الجديدة تشير إلى الكتل السابقة، فإن إثبات المعرفة الصفرية للكتل الجديدة يتحقق من جميع الكتل السابقة مع الحفاظ على حجم ثابت.

Filecoin

تستخدم Filecoin ZKPs لتأمين موفري التخزين بشكل صحيح تخزين البيانات التي يخزنونها. تسمى هذه العملية إثبات النسخ المتماثل (PoReb). خلال هذه العملية، يقوم موفرو التخزين بإنشاء ZKPs لإثبات أنهم يقومون بتخزين نسخة فريدة من البيانات. أي لا تشير إلى نسخة يحتفظ بها مزود آخر. توفر ZKPs الأمان لمستخدمي Filecoin الذين يرغبون في تحقيق مستوى معين من التكرار والتوافر. بالإضافة إلى ذلك، نظرًا لأن حجم الدليل أصغر بكثير من البيانات المخزنة، فإن استخدام ZKPs يمكن أن يقلل متطلبات النطاق الترددي من موفري التخزين.

Celo Plumo

يستخدم Celo Plumo ZKPs لإنشاء Ultra - عميل ويب خفيف للاستخدام على الهواتف المحمولة والأجهزة الأخرى ذات الموارد المحدودة. على الرغم من أن العميل خفيف الوزن للغاية، إلا أنه يتمتع بضمانات بشأن دقة حالة الوصول الخاصة به.

Dark Forest

Dark Forest هي ZKPs في الألعاب أحد التطبيقات الأكثر شعبية. في حين أن استخدام ZKPs يتوافق مع حالات استخدام الخصوصية، فإن تطبيقها لإنشاء ألعاب ذات معلومات غير كاملة يعد حالة فريدة تتجاوز التطبيقات المالية لـ ZKPs في شبكات الدفع.

ZKPS ومسار تطوير التطبيقات الخاص بها

حتى عام 2016، تم استخدام ZKPs فقط في المؤسسات الأكاديمية الصغيرة موضوعات البحث تمت مناقشتها في الحلقات. تغير كل هذا عندما أنشأ الفريق المؤسس لـ Zcash أول تطبيق جاهز للإنتاج لمتغير ZKP، zk-SNARK، لدعم المعاملات الخاصة على شبكة Zcash. مع ظهور حالات الاستخدام الحقيقي، جذبت ZKPs مزيدًا من الاهتمام، مما أدى إلى ظهور متغيرات ZKP أفضل وأصبحت الأساس للعديد من المشاريع التي تمت مناقشتها في الجزء الأول. ومع ذلك، لكي يتم اعتماد هذه التكنولوجيا من قبل التيار الرئيسي، هناك حاجة إلى مزيد من التطوير لإثباتات المعرفة الصفرية.

من نواحٍ عديدة، تشبه تقنية إثبات المعرفة الصفرية (ZKP) تقنية الذكاء الاصطناعي ومن المتوقع أن تتبع مسارًا تطوريًا مشابهًا. تمامًا مثل ZKPs، كان الذكاء الاصطناعي يُعتبر في البداية تقنية وعدت بحل العديد من المشكلات. ومع ذلك، كانت خوارزميات الذكاء الاصطناعي الأولية محدودة في وظائفها، وكان التعقيد الحسابي يتجاوز بكثير قدرات الأجهزة المتاحة. وهذا يجعل تطبيقات الذكاء الاصطناعي بطيئة وغير عملية، مما يقتصر الذكاء الاصطناعي في المقام الأول على مختبرات الأبحاث. تم تحقيق التحسينات تدريجيًا من خلال اختراع بنيات جديدة، مثل الشبكات العصبية العميقة (DNNs)، والاستفادة من وحدات معالجة الرسومات (GPUs) لزيادة سرعة التنفيذ. وأدى ذلك في النهاية إلى اختراق AlexNet في عام 2012، والذي فاز في مسابقة ImageNet الأكثر شهرة للرؤية الحاسوبية، بفارق كبير. كانت AlexNet بمثابة بداية عصر الذكاء الاصطناعي، مما أدى إلى ظهور تطبيقات الذكاء الاصطناعي المذهلة الحالية مثل GPT-3 وDall.E 2 وStable Diffusion.

الوضع الفني اليوم لإثباتات المعرفة الصفرية (ZKPs) مشابه لحالة الذكاء الاصطناعي المبكر. إنها تقنية واعدة ولكنها لا تزال متطورة بشكل نشط، بسبب مكثفة حسابيا مما أدى إلى أوقات إثبات أطول. ومن خلال الاعتماد على التقدم في مجال الذكاء الاصطناعي، يمكننا تحديد الاختناقات التي يجب معالجتها للمضي قدماً في تطوير تكنولوجيا إثبات المعرفة الصفرية.

1. تحسين الخوارزمية/الدائرة

والذكاء الاصطناعي بنفس الطريقة التي انتقلت بها من LeNet-5 إلى AlexNet، ثم Resnet-50 ثم إلى Transformer، ستمر خوارزمية ZKP أيضًا بمراحل مماثلة من التطوير، وتحقق تحسينات كبيرة في الأداء. لقد شهدنا تقدمًا في هذا المجال، مع تطوير خوارزميات أكثر تقدمًا منذ تقديم Zk-SNARK في عام 2011. في عام 2018، قام مؤسسو Starkware بتطوير STARK، وهو نهج ZKP الذي يلغي الحاجة إلى إعداد جدير بالثقة ويقلل من أوقات إنشاء الأدلة. هذه التقنية هي الأساس للعديد من منتجات Starkware، بما في ذلك StarkNet.

مع إطلاق PLONK في عام 2019، حققت ZKP مزيدًا من التقدم. PLONK هو تطبيق SNARK يسمح لتطبيقات متعددة باستخدام إعداد واحد موثوق به دون الحاجة إلى تكرار الإعدادات. يسهل PLONK تطوير التطبيقات المتعددة المستخدمة في بروتوكولات Web3 المتعددة مثل Aztec وMina وCelo.

2. محرك التنفيذ الأمثل

واحد من ZKP القيد الرئيسي هو التعقيد الحسابي، الذي يؤدي إلى أوقات إثبات طويلة. على سبيل المثال، يستغرق تطبيق zkEVM الذي أعلنت عنه شركة Polygon مؤخرًا حوالي 5 دقائق على خادم 64 نواة لإنشاء 500000 دليل حسابي للغاز. يعد تحسين وقت إثبات ZKP أمرًا أساسيًا لتعميم تقنيتها. وعلى غرار الذكاء الاصطناعي، يعد تحسين محركات تنفيذ البرامج واستخدام الأجهزة المتخصصة أمرًا ضروريًا لتحقيق هذا الهدف.

البرامج المحسنة

العديد من عمليات إنشاء ZKP متوازية للغاية ، مما يعني أن المعالجة المتوازية، مثل GPU، يمكنها تسريع حساب ZKP. يمكن استخدام مكتبات GPU المخصصة، مثل CUDA، لتسريع حسابات ZKP على وحدات معالجة الرسومات Nvidia. تحاول بعض المشاريع تطوير هذه الوظيفة داخليًا، حيث يستخدم كل مشروع خوارزمية ZKP مختلفة. ومن الأمثلة البارزة على ذلك تطبيق Filecoin لخوارزمية Groth16، والتي تستفيد من وحدات معالجة الرسومات لتسريع عملية الإثبات. مثال آخر هو استخدام Edgeswap لوحدات معالجة الرسومات لتقليل وقت إثبات PLONK بنسبة 75%.

الأجهزة المتخصصة

نظرًا لقيود وحدة معالجة الرسومات على يعد تحسين وقت إثبات ZKP محدودًا وهناك خيار آخر يتمثل في استخدام أجهزة مخصصة مثل FPGA أو ASIC. قبل أن يتم إنشاء شرائح ASIC باهظة الثمن الخاصة بالتطبيقات، غالبًا ما يتم استخدام FPGAs كمنصة للنماذج الأولية للأجهزة. على المدى القصير إلى المتوسط، تلعب FPGAs أو الحلول الهجينة التي تجمع بين وحدات معالجة الرسومات وFPGAs دورًا مهمًا في تسريع ZKP للمجموعات والشبكات التي تركز على الخصوصية. ومع ذلك، إذا تطورت تقنية ZKP إلى المستوى الذي نتوقعه، فسوف تظهر أجهزة ASIC في النهاية وتفوز بهذا السوق. في الوقت الحاضر، لم يتم حل تقنية تسريع الأجهزة الخاصة بـ ZKP بالكامل، وقد يكون ذلك بسبب تنوع وتجزئة خوارزمية ZKP. ومع ذلك، نعتقد أنه مع نموذج العمل الصحيح، يمكن لبعض الشركات الناشئة التركيز على تطوير هذا الجزء من مجموعة التكنولوجيا وكسب المال منه.

3. طبقة تجريد البرمجيات

من أجل الإصدار تتطلب إمكانات ZKPs بناء طبقات وأدوات تجريد متعددة. تعد طبقات التجريد هذه ضرورية لتبسيط عملية تطوير تطبيق ZKP، بينما تسمح لكل مجموعة من المطورين بالتركيز على ما يفعلونه بشكل أفضل. على سبيل المثال، لا ينبغي لمطوري التطبيقات أن يقلقوا بشأن التفاصيل ذات المستوى المنخفض لدوائر المعرفة الصفرية وكيفية عملها. قارن هذا مرة أخرى بالذكاء الاصطناعي، حيث أصبح التقدم الهائل في الذكاء الاصطناعي ممكنًا من خلال إنشاء طبقات متعددة من التجريد. باستخدام طبقات التجريد هذه، لا يحتاج مطورو تطبيقات الذكاء الاصطناعي إلى القلق بشأن بنية الشبكة العصبية أو تخصيص موارد الأجهزة. تقوم أطر عمل مثل TensorFlow وPyTorch بتجريد كل هذه التفاصيل ذات المستوى المنخفض.

مكدس تطوير ZK (إثبات المعرفة الصفرية) لم ينضج بعد مثل مكدس الذكاء الاصطناعي. ومع ذلك، هناك بعض الأعمال جارية لبناء هذه الطبقات التجريدية. توجد في الجزء السفلي من المكدس مكتبات ZKP منخفضة المستوى مثل PLONK وSTARK. وفوق هذه الطبقة، تحاول اللغات عالية المستوى مثل Noir تجريد تشفير ZK الأساسي ومساعدة مطوري التطبيقات على التركيز على منطق التطبيق. تعد Circom لغة ZKP شائعة أخرى تقع بين هاتين الطبقتين، حيث يمكن استخدامها لإنشاء واجهات ZK الخلفية المعقدة ولتطوير التطبيقات المستندة إلى ZKP.

مثال آخر على تجريد إثبات المعرفة الصفرية (ZKP) في Web 3 هو لغة القاهرة الخاصة بشركة StarkWare، والتي تسمح للمطورين بتنفيذ ذكاء عام باستخدام عقد إثباتات STARK. لتوفير المزيد من التجريد، تسمح أداة Warp الخاصة بـ Nethermind للمطورين بتحويل كود Solidity مباشرة إلى القاهرة. باستخدام Warp، يمكن ترجمة كود Uniswap V3 إلى القاهرة دون أي تعديلات تقريبًا على كود Solidity الأصلي. (ملاحظة المترجم: أعلنت شركة Warp أنها ستتوقف عن الصيانة)

فرص العمل التي توفرها ZKP

استنادًا إلى المناقشة حول مسار التطوير المحتمل لـ ZKP، حددنا بعض الأفكار الريادية المتعلقة بـ ZKP ونأمل في استكشافها مع المؤسسين. تنقسم أفكار الشركات الناشئة هذه إلى فئتين: الأدوات والتطبيقات.

• أداة ZKP Tooling ZKP

1. إطار التطوير المتقدم

على غرار Tensorflow وPyTorch في الذكاء الاصطناعي، يعد إطار تطوير ZKP المتقدم أمرًا بالغ الأهمية لإطلاق العنان للابتكار على مستوى التطبيق. تتطلب هذه الأطر:

• تلخيص مدى تعقيد الواجهة الخلفية لـ ZKP الأساسية

• يدعم مختلف واجهات ZKP الخلفية وبيئات الأجهزة، مثل وحدة المعالجة المركزية ووحدة معالجة الرسومات

• يسمح بتصحيح الأخطاء والاختبار بكفاءة

• يوفر بيئة تطوير غنية، بما في ذلك الأمثلة والبرامج التعليمية

  < / li>

في النظام البيئي للإيثريوم، أقرب الأمثلة هي Hardhat و Foundry، لكنها قد لا تدعم zkEVMs أو ZKPs في أي وقت قريب. وبدلا من ذلك، فإن اللغات المجردة الموجودة مثل القاهرة قد تسد هذه الفجوة في نهاية المطاف.

2. مجموعة ZK التراكمية SDK

مجموعات zk تغيير إيجابي تحظى بشعبية متزايدة، فهي تتيح مستوى L2 الخاص بالتطبيقات للألعاب أو بروتوكولات DeFi عالية الإنتاجية. في هذه الحالة، سيقوم ZK Rollup بالتنفيذ والتسوية بشكل أساسي، بينما سيتم التعامل مع الإجماع وتوافر البيانات بواسطة L1. ومع ذلك، فإن تمكين ZK Rollup الخاص بالتطبيقات لا يزال معقدًا للغاية. نحن نؤمن بأن الشركات الناشئة التي توفر أدوات تطوير البرامج (SDK) سهلة الاستخدام للمطورين لإطلاق مجموعات zk مخصصة ستحل حاجة عمل حقيقية وستصبح أعمالًا ذات قيمة من خلال توفير أدوات المطورين وخدمات المطورين وخدمات التسلسل والبنية التحتية للدعم.

3. مسرع أجهزة ZKP

مخصص لأغراض محددة وقد تصبح شركات الأجهزة، من خلال تأسيس ريادة مبكرة للسوق، في نهاية المطاف شركات ذات قيمة كبيرة. وفي مجال الذكاء الاصطناعي، أصبحت شركة Nvidia شركة أشباه الموصلات الأكثر قيمة في أمريكا الشمالية من خلال التركيز على أجهزة الذكاء الاصطناعي. وينطبق الشيء نفسه على مجال تعدين البيتكوين، حيث أصبحت شركات Bitmain وCanaan وShenma Mining Machinery شركات وحيدة القرن من خلال التركيز على آلات التعدين ASIC. الشركات التي تصمم وتبني مسرعات أجهزة ZKP الفعالة ستتبع نفس المسار.

• تطبيق ZKP في Web3

  < / li>

1. جسر ZK عبر السلسلة وقابلية التشغيل البيني

يمكن استخدام ZKPs لإنشاء إثباتات صحة لبروتوكولات المراسلة عبر السلسلة، حيث يمكن التحقق من الرسائل عبر السلسلة بسرعة على السلسلة المستهدفة. وهذا مشابه لكيفية التحقق من صحة ZK Rollup على L1 الأساسي. ومع ذلك، بالنسبة للرسائل عبر السلسلة، يكون التعقيد أعلى لأن نظام التوقيع ووظائف التشفير المطلوب التحقق منها قد يختلف بين سلاسل المصدر والهدف.

2. محرك ألعاب ZK كامل السلسلة

مظلم غابة لقد ثبت أن إثبات المعرفة الصفرية يمكن أن يجعل الألعاب الموجودة على السلسلة بمعلومات غير كاملة ممكنة. يعد هذا أمرًا بالغ الأهمية لتصميم المزيد من الألعاب التفاعلية، حيث تظل تصرفات اللاعبين خاصة حتى يقرروا نشرها للعامة. مع نضوج الألعاب ذات السلسلة الكاملة، من المتوقع أن تصبح إثباتات المعرفة الصفرية جزءًا من محرك تنفيذ اللعبة. الفرصة كبيرة بالنسبة للشركات الناشئة التي نجحت في دمج ميزات الخصوصية في محركات الألعاب ذات الإنتاجية العالية على السلسلة.

3. حل الهوية

يمكن لإثبات المعرفة الصفرية افتح فرصًا متعددة في مساحة الهوية. يمكن استخدامها للسمعة أو الهوية التي تربط الويب 2 والويب 3. حاليًا، هويات Web2 وWeb3 منفصلة. مشاريع مثل Clique تربط هذه الهويات من خلال استخدام أوراكل. يمكن لإثباتات المعرفة الصفرية أن تأخذ هذا النهج خطوة أخرى إلى الأمام من خلال تمكين الارتباط المجهول لهويات Web2 وWeb3. يمكن أن يؤدي ذلك إلى تمكين حالات الاستخدام مثل عضوية DAO المجهولة، لأولئك الذين يمكنهم إظهار الخبرة الخاصة بالمجال باستخدام بيانات Web2 أو Web3. حالة استخدام أخرى هي الاقتراض غير المضمون من Web3 بناءً على الحالة الاجتماعية للمقترض من Web2، على سبيل المثال، عدد متابعي Twitter.

4. تطبيق ZKP في الامتثال التنظيمي

Web3 تمكن الحسابات المجهولة عبر الإنترنت من المشاركة بنشاط في النظام المالي. وبهذا المعنى، يوفر Web3 حرية مالية واسعة النطاق وشمولًا للجماهير. نظرًا لأن اللوائح الخاصة بـ Web3 أصبحت صارمة بشكل متزايد، يمكن استخدام ZKPs للتحقق من الامتثال دون تدمير إخفاء الهوية الزائفة للمستخدمين. يمكن استخدام ZKPs لإثبات أن المستخدم ليس مواطنًا أو مقيمًا في دولة خاضعة للعقوبات. يمكن أيضًا استخدام ZKPs لإثبات مؤهلات المستثمرين أو تلبية أي متطلبات KYC/AML (مكافحة غسيل الأموال) الأخرى.

5. تمويل ديون الخصوصية الأصلية على Web3

الديون التقليدية غالبًا ما يستخدم التمويل في مجال التمويل لدعم الشركات الناشئة المتنامية لتسريع تطورها أو فتح مجالات عمل جديدة دون زيادة رأس المال الاستثماري. يؤدي ظهور Web3 DAOs والشركات المجهولة المصدر إلى خلق فرص لتمويل ديون Web3 الأصلية. على سبيل المثال، يمكن باستخدام ZKPs أو DAOs أو الشركات المجهولة المصدر الحصول على قروض غير ضمانية بأسعار تنافسية من خلال إثبات مقاييس نموها دون الكشف عن معلومات المقترض للمقرض.

6. التمويل اللامركزي الخاص

عادةً ما تحتفظ المؤسسات المالية بـ خصوصية تاريخ التداول ومعلومات التعرض. ومع ذلك، عند استخدامها على السلسلة (أي بروتوكولات DeFi)، يصبح الحفاظ على هذه الخصوصية أكثر صعوبة بسبب التقدم المستمر في تكنولوجيا التحليلات على السلسلة. أحد الحلول الممكنة هو تطوير منتجات DeFi التي تركز على الخصوصية لحماية خصوصية المشاركين في البروتوكول. أحد البروتوكولات التي تحاول تنفيذ ذلك هو zkSwap الخاص بـ Penumbra. بالإضافة إلى ذلك، يوفر zk.money من Aztec بعض فرص تحقيق الدخل من التمويل اللامركزي الخاصة من خلال حجب مشاركة المستخدم في بروتوكولات التمويل اللامركزي الشفافة. بشكل عام، يمكن للبروتوكولات التي تنجح في تنفيذ منتجات DeFi الفعالة والتي تركز على الخصوصية أن تجتذب اللاعبين المؤسسيين وتولد أحجامًا كبيرة من المعاملات والإيرادات.

7. ZKPs لإعلانات Web3

مستخدمو الترويج لـ Web3 الحصول على ملكية بياناتهم، مثل سجل التصفح ونشاط المحفظة الخاصة وما إلى ذلك، واستثمار هذه البيانات لصالحهم. نظرًا لأن تسييل البيانات يمكن أن يتعارض مع الخصوصية، يمكن أن تلعب ZKP دورًا مهمًا في التحكم في البيانات الشخصية التي يمكن الكشف عنها للمعلنين ومجمعي البيانات.

8. مشاركة البيانات الخاصة وتحقيقها

نحن يمكن أن يكون للكثير من بياناتك الخاصة تأثير كبير إذا تمت مشاركتها مع الكيانات المناسبة. على سبيل المثال، يمكن الاستعانة بمصادر خارجية للبيانات الصحية الشخصية لمساعدة الباحثين على تطوير أدوية جديدة. ويمكن مشاركة السجلات المالية الخاصة مع الجهات التنظيمية والمفتشين لتحديد الممارسات الفاسدة والمعاقبة عليها. يمكن لـ ZKP تحقيق المشاركة الخاصة وتحقيق الدخل من هذا النوع من البيانات.

9. منظمة الاستخبارات اللامركزية

يمكن لـ ZKPs احتضان اللامركزية وكالات الذكاء. داخل هذه الوكالات، يمكن لمشغلي الاستخبارات ومتطفلي البيانات والجواسيس أن يصبحوا جزءًا من شبكة دون الحاجة إلى التفاعل مع بعضهم البعض أو معرفة بعضهم البعض. يمكن للمشاركين استخدام ZKPs لإثبات معرفتهم ببيانات استخباراتية معينة قبل تلقي المدفوعات الخاصة المقابلة لتبادل البيانات. يمكن لهذه الأنظمة أيضًا تسهيل الطرق التعاونية والقابلة للتركيب لإثراء أو تفسير البيانات المجمعة مع حماية خصوصية المشاركين.

10. إدارة الخصوصية

مع تطوير المنظمات اللامركزية المستقلة (DAOs) ومع شعبية الحكم، يقترب موقع Web3 من الديمقراطية التشاركية المباشرة. من العيوب الرئيسية في نماذج الحكم الحالية هو الطبيعة غير الخاصة للمشاركة. يمكن لـ ZKP حل هذه المشكلة من الجذر. يمكن للمشاركين في الحوكمة التصويت دون الكشف عن كيفية تصويتهم. بالإضافة إلى ذلك، يمكن لـ ZKPs أن تحد من رؤية مقترحات الحوكمة لأعضاء DAO، مما يسمح للمنظمات اللامركزية المستقلة بإنشاء مزايا تنافسية.

الملخص

تقنية ZKP هي التكنولوجيا الأكثر ابتكارًا في مجال Web3. البروتوكولات الرائدة و تقدم الشركات فرصًا متعددة. في Alliance، نريد أن نكون المحرك الأساسي لهذا التطور ونستمر في دعم وتمويل المؤسسين الذين يعملون في هذا المجال.

شكرًا لشومو تشو وكارتر مكاليستر وآدم بورتر على تعليقاتهم على هذه المقالة.

موارد أخرى

تسريع الأجهزة لإثباتات المعرفة الصفرية : https://www.paradigm.xyz/2022/04/zk-hardware

سرعة اللامركزية: تقدم دليل على عدم المعرفة : https://a16z.com/2022/04/15/zero-knowledge-proofs-hardware-decentralization-innovation/

< em >ZK-SNARK: إعدادات قابلة للتحديث على blockchain: https://iohk.io/en/blog/posts/2022/09/01/zk-snarks-updatable-setups-on-the-blockchain