À la recherche d'opportunités d'investissement : un aperçu complet des projets phares des solutions ZK
TechFlow SélectionTechFlow Sélection
À la recherche d'opportunités d'investissement : un aperçu complet des projets phares des solutions ZK
Cet article ne traite pas de connaissances spécialisées en cryptographie, mais présente uniquement une explication théorique des preuves à connaissance nulle, afin d'aider le lecteur à se faire une idée approximative de l'ensemble du système de preuves à connaissance nulle et de son état actuel de développement.
Dédié à des analyses Web3 approfondiesRédaction : LD CAPITAL
La confidentialité est depuis toujours considérée comme une caractéristique précieuse au sein de la communauté des cryptomonnaies, car la plupart des détenteurs d'actifs numériques ne souhaitent pas que leurs avoirs et historiques de transactions soient entièrement publics. Parmi les différentes technologies cryptographiques offrant de la confidentialité, la preuve à connaissance nulle (Zero-Knowledge Proof) occupe une place particulièrement importante. Cet article n’aborde pas de notions techniques avancées en cryptographie, mais vise simplement à présenter de manière théorique les preuves à connaissance nulle, afin d’aider le lecteur à se faire une idée globale du fonctionnement de ces systèmes ainsi que de leur état actuel de développement.
1 Développement de la technologie de preuve à connaissance nulle
1.1 Concept de la preuve à connaissance nulle
La preuve à connaissance nulle (ZKP) est un élément fondamental de la cryptographie moderne. Elle permet à un prouveur de convaincre un vérificateur qu'une affirmation est vraie sans lui révéler aucune information utile. En réalité, il s'agit d'un protocole impliquant deux parties ou plus — une suite d'étapes nécessaires pour accomplir une tâche. Le prouveur démontre au vérificateur qu’il connaît ou possède un certain message, sans toutefois divulguer lors de la preuve la moindre information sur ce message. Autrement dit : on prouve ce que l’on veut démontrer, tout en communiquant zéro information au vérificateur.
Bien que les algorithmes derrière les preuves à connaissance nulle soient complexes, nous allons utiliser un exemple simple, celui de « retrouver le panda », afin d’en donner une compréhension théorique accessible :
Un groupe de personnes cherche un panda sur une image. Alice le trouve en premier, mais elle ne peut pas le montrer immédiatement, car cela gâcherait le jeu des autres.
Existe-t-il un moyen de prouver qu’Alice sait où se trouve le panda, sans révéler sa position aux autres ?
Alice prend alors une très grande feuille blanche qu’elle pose aléatoirement sur l’image contenant le panda. Puis elle découpe un petit trou dans la feuille, suffisamment petit pour ne laisser apparaître que le panda.
Ainsi, la position du panda — l'information clé — reste protégée, tout en permettant à Alice de prouver qu’elle l’a trouvé, sans que personne d’autre ne connaisse son emplacement. C’est précisément là le principe de la preuve à connaissance nulle.
La méthode de validation d’une preuve à connaissance nulle repose sur deux principes : l’intégrité et la fiabilité. Le principe d’intégrité signifie que si l’énoncé est vrai, le prouveur peut convaincre le vérificateur. La fiabilité signifie que le prouveur ne peut pas tromper le vérificateur avec un énoncé faux. En pratique, la fiabilité reste probabiliste, bien que la probabilité de tricher soit extrêmement faible.
La crédibilité d'une preuve à connaissance nulle dépend de deux facteurs : la difficulté de la preuve et le niveau d'interaction. La difficulté de la preuve consiste à augmenter mathématiquement la complexité de la preuve ; le niveau d'interaction fait référence au fait que le vérificateur pose plusieurs questions successives au prouveur. Plus le nombre d’interactions augmente, plus il devient difficile pour le prouveur de tricher, car la probabilité statistique de fournir des réponses correctes sans connaître l’information diminue à chaque étape.
1.2 Évolution théorique de la preuve à connaissance nulle
Le concept de preuve à connaissance nulle a été introduit en 1985 par S. Goldwasser, S. Micali et C. Rackoff. Dans leur article fondateur, ils ont intégré les notions d’« interaction » et de « hasard », donnant naissance au premier système de preuve interactive. Une preuve interactive exige que le vérificateur pose une série de questions au prouveur concernant ses « connaissances ». En répondant à ces questions, le prouveur convainc le vérificateur qu’il possède effectivement cette connaissance. Plus il y a de questions, plus les interactions sont nombreuses. Toutefois, cette méthode ne garantit pas l’honnêteté des deux parties, qui pourraient s’être entendues à l’avance pour permettre au prouveur de réussir même sans connaître la réponse.
Durant les années suivantes, plusieurs grands cryptographes ont apporté des contributions majeures au développement de ces systèmes. Par exemple, M. Blum, P. Feldman et S. Micali ont montré que l’« interaction » et le « masquage du hasard » n’étaient pas indispensables, proposant alors un modèle de preuve non interactive à connaissance nulle basé sur une chaîne de référence commune (CRS). Dans une preuve non interactive, le prouveur n’a pas besoin d’interagir avec le vérificateur. Un ensemble de paramètres publics est défini à l’avance, et les transactions sont construites et validées selon ces paramètres communs. Ainsi, le prouveur peut générer seul la preuve, éliminant tout risque de collusion entre prouveur et vérificateur.
En 2010, Jens Groth propose une hypothèse controversée à l’époque, appelée « hypothèse de connaissance de l’exposant » (Knowledge of Exponent Assumption), qui permet de réduire la taille de la preuve à une constante. Ce processus revient à créer un secret que seul le système « connaît ». Toutefois, quiconque sait comment les paramètres publics ont été générés pourrait falsifier une preuve. Cette étape est connue sous le nom de configuration fiable initiale. Bien que cette solution ait fortement réduit la taille des preuves, elle introduit des risques de sécurité, car toute personne connaissant la génération des paramètres pourrait produire des preuves frauduleuses. Néanmoins, ce schéma a jeté les bases d’une branche essentielle des preuves à connaissance nulle pour la décennie suivante.
Par la suite, les cryptographes se sont orientés vers des applications concrètes. En 2013, Rosario Gennaro, Craig Gentry et d'autres améliorent significativement les travaux de Jens Groth, réduisant drastiquement le temps de calcul et la taille des preuves. Parno et ses collègues mettent ensuite en œuvre un protocole appelé Pinocchio, qu’ils continuent d’optimiser.
En 2014, la cryptomonnaie ZeroCash voit le jour. Eli Ben-Sasson, Alessandro Chiesa et leurs collaborateurs améliorent légèrement le protocole Pinocchio, réalisant ainsi la première application réussie des preuves à connaissance nulle dans le domaine de la blockchain. ZeroCash est le précurseur de Zcash, dont l’équipe a également largement contribué à l’ingénierie des preuves à connaissance nulle.
1.3 État actuel du développement des preuves à connaissance nulle
L’intégration des preuves à connaissance nulle dans Zcash a mis en lumière leur potentiel dans le domaine de la blockchain, marquant une transition cruciale de la théorie à l’application pratique.
Il existe aujourd’hui plusieurs types de solutions basées sur les preuves à connaissance nulle, chacune représentant une approche différente, avec des performances variées en termes de sécurité, taille de la preuve, vitesse de calcul et vitesse de vérification.
L’axe horizontal représente la taille de la preuve, l’axe vertical le niveau d’hypothèses de sécurité. Parmi elles, l'algorithme STARK offre la sécurité la plus élevée, car il ne repose pas sur des hypothèses mathématiques difficiles et est résistant aux ordinateurs quantiques. L’algorithme Groth16, issu du schéma SNARK, produit les preuves les plus courtes. PLONK, également basé sur SNARK, présente un bon compromis entre sécurité et taille de preuve. Les deux grandes familles actuellement les plus utilisées sont zk-STARK et zk-SNARK.
1.3.1 zk-SNARK
SNARK (Succinct Non-Interactive Argument of Knowledge) signifie argument succinct et non interactif de connaissance. Cette approche est caractérisée par sa concision : la vérification ne nécessite ni transfert massif de données ni algorithmes complexes, ce qui signifie que le temps de vérification ne croît pas proportionnellement à la charge de calcul. De plus, l’argument non interactif, constitué d’un seul message du prouveur au vérificateur, rend le processus de vérification beaucoup plus efficace. Groth16 est actuellement le zk-SNARK le plus rapide avec la plus petite taille de preuve, ayant été adopté par Zcash. Il s’agit d’une optimisation du protocole Pinocchio, réduisant presque de moitié la taille de la preuve, moyennant une hypothèse de sécurité légèrement renforcée.
Cependant, Groth16 suscite la controverse à cause de la configuration fiable initiale. Les valeurs aléatoires cachées dans la CRS sont généralement définies par un petit groupe, ce qui pose un problème de confiance. Théoriquement, un prouveur disposant d’une puissance de calcul suffisante pourrait soumettre une preuve fausse, compromettant la sécurité du système. C’est pourquoi les ordinateurs quantiques sont perçus comme une menace potentielle pour cet algorithme. Ainsi, la configuration fiable initiale reste un défi central que d’autres technologies tentent de résoudre. L’algorithme PLONK constitue justement une amélioration à cet égard, dont nous discuterons plus loin.
Pour résoudre ce problème, les cryptographes de Stanford Benedikt Bünz et ses collègues ont proposé la technologie Bulletproof (preuve infaillible). Contrairement aux anciens zk-SNARK, elle ne nécessite pas de configuration fiable initiale. Toutefois, ses temps de calcul et de vérification sont supérieurs à ceux de STARK, bien que la taille de la preuve soit nettement inférieure. Cette solution a rapidement été adoptée par Monero.
1.3.2 zk-STARK
STARK (Scalable Transparent Argument of Knowledge) désigne un argument de connaissance scalable et transparent, conçu comme alternative à SNARK. Contrairement au « S » de Succinct dans SNARK, le « S » dans STARK signifie « Scalable » (scalabilité). Cela se traduit par un temps de génération de preuve presque proportionnel au temps de calcul, tandis que le temps de vérification est bien inférieur. Ainsi, même en augmentant la capacité, la complexité de la preuve STARK n’augmente pas significativement.
Mais surtout, les STARK n’exigent aucune configuration fiable initiale, car ils reposent sur des fonctions de hachage et des méthodes symétriques simplifiées, assurant la collision. C’est ce qui justifie le terme « transparent » dans STARK.
Troisième avantage : les STARK sont résistants aux calculateurs quantiques, ce qui signifie qu’ils ne peuvent pas être cassés par ceux-ci. Naturellement, ces améliorations ont un coût. Comparés aux SNARK, les STARK sont plus complexes, la taille des preuves passant de 288 octets à plusieurs centaines de Ko, et les frais de vérification sur Ethereum sont plus élevés.
1.3.3 Preuves à connaissance nulle avec configuration fiable
Bien que les systèmes à connaissance nulle basés sur une configuration fiable nécessitent la génération de paramètres publics, ils présentent des avantages en termes de coût de calcul et de taille de preuve, restant ainsi un outil privilégié pour de nombreuses blockchains axées sur la confidentialité. La sécurité de ces systèmes dépend largement de celle de la génération des paramètres. Une génération centralisée est possible, mais incompatible avec l’objectif de décentralisation. Jusqu’à présent, la technique privilégiée est le calcul multipartite sécurisé (MPC).
Le MPC vise à garantir qu’aucun participant ne puisse accéder à la structure mathématique sous-jacente des paramètres. Cela est réalisé en partageant le processus de génération entre un maximum de participants indépendants. Même si un seul agit honnêtement, la sécurité du système est assurée. Clairement, plus il y a de participants dans le MPC, plus les paramètres sont sécurisés.
zk-SNARK relève de cette catégorie, mais plusieurs algorithmes ont émergé. Groth16 et PLONK sont actuellement les plus utilisés. Leurs différences sont les suivantes :
Groth16 est la solution la plus rapide en vérification et la plus compacte en taille de données, mais son calcul secret est lié à un problème spécifique. Ainsi, chaque nouveau problème requiert une nouvelle session MPC de configuration fiable. Or, organiser un protocole MPC impliquant plusieurs parties est fastidieux, ce qui nuit aux performances de Groth16.
PLONK est une amélioration de Sonic, réduisant le temps de preuve par cinq. Sonic repose sur un CRS global pouvant être mis à jour. « Mis à jour » signifie que la configuration fiable peut être renouvelée si une fuite est suspectée. « Global » signifie que le calcul n’est plus lié au CRS : une seule configuration fiable permet de supporter différents circuits de preuve à connaissance nulle. Ainsi, une seule configuration initiale suffit, évitant de relancer un MPC pour chaque nouveau problème. Le graphique ci-dessous compare les performances de Groth16 et PLONK :
L’algorithme PLONK a été développé conjointement par Gabizon, chercheur chez Protocol Labs, et deux chercheurs du protocole de confidentialité Aztec. Bien que PLONK soit apparu après Groth16 et soit légèrement moins performant en taille de preuve et vitesse de vérification, sa capacité de mise à jour en fait une solution compétitive dans le domaine des preuves à connaissance nulle.
2 Applications de la preuve à connaissance nulle
Deux caractéristiques clés des preuves à connaissance nulle expliquent leur adoption dans la blockchain :
1) Elles protègent la confidentialité des données, permettant de les prouver sans les divulguer ;
2) Elles permettent de prouver de grandes quantités de données avec une preuve très compacte, jouant un rôle important dans la compression des données et l’amélioration des performances.
Ainsi, les deux axes principaux d’application des preuves à connaissance nulle sont :
2.1 Protection de la vie privée
La protection de la vie privée est un enjeu majeur dans la blockchain, reflétant la capacité à protéger les transactions et les participants dans un réseau distribué. Bien que la blockchain promeuve l’anonymat, la plupart des transactions ne sont que pseudonymes : les utilisateurs n’y utilisent pas leur vrai nom, mais peuvent être identifiés via l’usage répété de hachages de clés publiques. Par défaut, toutes les transactions d’un utilisateur sont publiques. Dès qu’une adresse est associée à un individu, on peut remonter à ses sources de fonds, calculer ses positions et analyser ses activités sur la chaîne.
Grâce aux preuves à connaissance nulle, on peut valider une transaction sans révéler aucune information, assurant un anonymat total. Pendant la phase de développement autour de la confidentialité cryptographique, de nombreux développeurs ont exploré les blockchains privées, attirés par les capacités de protection et de compression des données des preuves à connaissance nulle. À cette époque, des projets comme Zcash et Monero ont brillé.
Prenons Zcash comme exemple. Initialement basé sur le protocole Pinocchio, Zcash a migré vers Groth16 en 2019. Zcash distingue deux types d’adresses : transparentes et privées. Les transactions entre adresses transparentes sont visibles publiquement, comme sur Bitcoin : émetteur, destinataire et montant sont connus. Les transactions entre adresses privées apparaissent sur la blockchain, mais les adresses, montants et notes sont chiffrés, et leur validité est vérifiée via zk-SNARK selon les règles de consensus. Des transactions mixtes entre adresses privées et transparentes sont aussi possibles. Zcash maintient un équilibre entre confidentialité et conformité : l’émetteur ou le destinataire d’une transaction privée peut choisir de révéler les détails à un tiers, pour des besoins d’audit, de régulation ou de conformité.
2.2 Extension de capacité
Le « triangle impossible » — décentralisation, sécurité, extensibilité — est un dilemme permanent pour les blockchains de niveau 1 comme Ethereum, qui doivent constamment trouver un équilibre. Ethereum privilégie la décentralisation et la sécurité, ce qui limite sa scalabilité. Les frais de gaz élevés et les délais de confirmation nuisent à l’expérience utilisateur. Son équipe de développement et sa communauté cherchent donc activement des solutions d’extension.
Deux approches principales existent :
1) Étendre directement la couche L1, par exemple en augmentant la taille des blocs ou en procédant au sharding — division du réseau en fragments indépendants traitant des transactions en parallèle. Cela augmente le débit, mais au prix d’une moindre décentralisation.
2) Déplacer les transactions de la couche L1 vers une couche L2. Sur L2, les transactions sont regroupées, puis envoyées à L1 pour règlement. Ainsi, un seul paiement de frais de gaz couvre plusieurs transactions, réduisant le coût unitaire. L1 devient alors une couche de règlement pour les opérations exécutées sur L2. Cette solution permet d’améliorer la scalabilité sans sacrifier la décentralisation ni la sécurité.
Les solutions L2 ont évolué des canaux d’état à Plasma, puis aux Rollups. Actuellement, Rollup est la solution L2 la plus populaire et la plus prometteuse. Un Rollup effectue d’abord les calculs complexes et gère l’état hors chaîne, puis stocke les données liées aux changements d’état sur la chaîne via des appels contractuels utilisant CALLDATA — moins coûteux. Les transactions sont agrégées en un seul lot, augmentant ainsi le TPS tout en garantissant la disponibilité des données.
Toutes les solutions Rollup insistent sur la disponibilité des données : tout le monde doit pouvoir reconstruire l’état global à partir des données publiées, éliminant ainsi les risques liés à la non-disponibilité. C’est ici que les preuves à connaissance nulle jouent un rôle clé : elles compressent les calculs tout en garantissant la validité des données.
ZK Rollup est apparu en fin 2018. Sa particularité réside dans le « ZK » : chaque changement d’état doit être accompagné d’une preuve à connaissance nulle, vérifiée par un contrat sur la chaîne principale. Seuls les changements validés modifient l’état. Autrement dit, les transitions d’état dans ZK Rollup reposent strictement sur des preuves cryptographiques. (Note : pour une explication détaillée, voir « Comprendre les couches et les ponts跨链 » par Li Hua.)
D’autres solutions existent, comme Optimistic Rollup, lancé en fin 2019. Ici, les changements d’état ne sont pas rigoureusement vérifiés. On suppose initialement qu’ils sont corrects, mais un délai permet de contester un changement. Si la contestation réussit, le soumissionnaire est pénalisé et l’état est restauré. Ainsi, la validité repose sur des incitations économiques et des mécanismes de jeu.
Le principal défi de ZK Rollup est la programmabilité, bien que zkSync ait fait des progrès grâce à sa machine virtuelle. Pour Optimistic Rollup, le principal problème est le délai de retrait de fonds de Layer 2 vers Layer 1, dû à la période de contestation. Cependant, des services de liquidité tierce peuvent compenser ce délai, facilitant ainsi son déploiement.
La comparaison des performances est illustrée ci-dessous :
Comparé à Optimistic Rollup, ZK Rollup est techniquement plus complexe, nécessite plus de calculs, entraîne une latence plus élevée et des coûts supérieurs, mais réduit fortement les frais par transaction. De plus, la vérification est bien moins coûteuse que le calcul, offrant ainsi des conditions favorables à l’extension.
Selon les données récentes d’I2beat.com, les solutions L2 verrouillent environ 6,7 milliards de dollars, dont la moitié environ provient des solutions Optimistic Rollup (Arbitrum et Optimism). Les solutions basées sur les preuves à connaissance nulle verrouillent environ 1,7 milliard de dollars, en raison de la complexité technique et du retard dans le développement de l’écosystème.
3 Projets phares basés sur les preuves à connaissance nulle
Des projets comme Zcash et Monero, bien que performants en matière de confidentialité, ne permettent que le stockage de valeur et peinent à supporter d’autres applications. Grâce aux efforts des développeurs, on assiste désormais à une convergence entre preuves à connaissance nulle et contrats intelligents, explorant pleinement leur potentiel. Les applications actuelles peuvent être classées en trois catégories. Nous présentons ici quelques projets particulièrement prometteurs, dont la plupart n’ont pas encore émis de jeton.
3.1 Mina
Fondé en 2017 sous le nom initial de Coda Protocol, Mina est porté par O(1) Labs, une équipe composée de cryptographes, ingénieurs, docteurs et entrepreneurs de renommée mondiale.
Mina se concentre sur la création d’une blockchain légère. Alors qu’Ethereum ou Bitcoin occupent plusieurs centaines de Go, la taille des blocs de Mina reste fixée à 22 Ko, permettant à un grand nombre d’utilisateurs de participer comme nœuds. Un seuil d’entrée bas facilite le déploiement de nœuds, encourageant une plus grande distribution du réseau et améliorant ainsi la sécurité.
La clé de cette taille constante réside dans l’utilisation de preuves à connaissance nulle récursives : à chaque production de bloc, zk-SNARK compresse le bloc en une seule preuve. Chaque nouvelle preuve SNARK inclut les précédentes, permettant aux nœuds de valider uniquement la dernière preuve sans parcourir tout l’historique.
Cependant, cela ne suffit pas : chaque bloc doit faire référence au précédent. Si chaque bloc était simplement prouvé par un SNARK, la taille totale croîtrait linéairement. Mina résout cela en créant des SNARK de SNARK (récursion), itérant et imbriquant ces preuves en une structure récursive, maintenant ainsi la taille du bloc autour de 22 Ko.
En outre, Mina bâtit un écosystème centré sur la confidentialité. Ses applications, appelées zkApps (anciennement Snapps), permettent de logiques métier spécifiques et interagissent via des ponts avec d’autres blockchains, renforçant l’interopérabilité. Mina est actuellement le seul projet à développer cette fonctionnalité de nœud léger.
Financement :
En mars 2022, Mina annonce une levée de 92 millions de dollars menée par FTX Ventures et Three Arrows Capital. Ces fonds serviront à accélérer l’adoption de Mina comme plateforme phare de preuves à connaissance nulle dans Web3, notamment en attirant des développeurs de haut niveau.
Précédemment, Mina avait levé environ 48,15 millions de dollars lors de quatre tours, avec des investisseurs comme Coinbase Ventures, Polychain Capital, Three Arrows Capital, Paradigm et Multicoin. Ces institutions prestigieuses, souvent porteuses d’influence, favorisent l’expansion future de Mina.
3.2 ZkSync
zkSync est un projet développé par Matter Labs, fondé en décembre 2019 avec pour objectif principal l’extension d’Ethereum. zkSync 1.0 est une solution L2 de type ZK Rollup sur Ethereum, centrée sur les paiements, lancée sur le réseau principal en juin 2020. Initialement basé sur l’algorithme Groth16, zkSync nécessitait une configuration fiable non seulement au lancement, mais aussi à chaque mise à jour d’application. Cela a entravé la création d’un environnement compatible EVM, limitant zkSync 1.0 à des cas d’usage spécifiques comme les paiements.
zkSync 2.0 est une solution L2 compatible EVM construite sur Ethereum, aussi appelée zkEVM. Il recompile le code EVM et utilise des preuves à connaissance nulle pour valider les transactions Rollup, permettant aux développeurs de créer et déployer des applications décentralisées dans un environnement L2 à faible coût de gaz et haute capacité.
En mai 2021, zkSync publie une version alpha de zkEVM, espérant un lancement sur le mainnet en août 2021, reporté pour des raisons techniques. En février 2022, zkSync 2.0 lance son testnet public. zkEVM est désormais disponible, devenant le premier ZK Rollup compatible EVM sur le testnet d’Ethereum.
Financement :
En mars 2021, Matter Labs lève 6 millions de dollars lors d’un tour de série A dirigé par Union Square Ventures, avec Placeholder et Dragonfly parmi les autres investisseurs. Ce tour a également intégré de nombreux partenaires écosystémiques, dont certaines des entreprises les plus célèbres du secteur.
En novembre 2021, Matter Labs lève 50 millions de dollars lors d’un tour de série B dirigé par A16Z, avec des investisseurs stratégiques comme Blockchain.com, Crypto.com, ByBit et OKEx. Peu après, ces plateformes annoncent leur collaboration avec zkSync pour les dépôts/retraits entre exchanges et L2.
3.3 StarkWare
Fondé en mai 2018, StarkWare rassemble des cryptographes et scientifiques de renommée mondiale, dont l’ancien scientifique en chef de Zcash. L’équipe a innové pendant des années dans le domaine des preuves à connaissance nulle, introduisant la technologie zk-STARK dans un article académique publié en 2018. Les auteurs ont ensuite fondé StarkWare.
Comme zkSync, StarkWare propose une solution d’extension basée sur les preuves à connaissance nulle, mais utilise STARK. Le problème avec STARK est qu’il est moins mature que SNARK, et qu’il serait difficile à rendre compatible avec EVM s’il devenait Turing-complet. StarkWare a donc créé un langage de programmation spécifique, Cairo, pour exécuter des programmes autonomes soutenus par STARK. L’équipe collabore actuellement avec Nethermind pour développer Warp, un transcompilateur convertissant automatiquement les contrats Solidity en Cairo, assurant ainsi la compatibilité EVM.
StarkWare a lancé StarEx, permettant la création de ZK Rollups spécialisés, alimentés par Cairo et STARK. dydx, Immutable et DeversiFi sont trois applications majeures supportées par StarkEx. À ce jour, StarkEx a traité plus de 5 millions de transactions, pour une valeur dépassant 250 milliards de dollars.
Le 29 novembre 2021, ils ont lancé la version Alpha du mainnet de StarkNet. StarkNet est un réseau applicatif ZK Rollup qui ambitionne de développer son propre écosystème.
Financement :
StarkWare a levé plus de 160 millions de dollars lors de quatre tours, avec des investisseurs comme Paradigm, Polychain, Sequoia Capital et IOSG. Parmi les investisseurs individuels figure Vitalik Buterin, fondateur d’Ethereum, soulignant la forte reconnaissance du projet dans la communauté crypto.
3.4 Aztec
Créé en 2018, l’équipe d’Aztec regroupe des doctorants issus des meilleures universités mondiales, ainsi d’anciens chercheurs de Zcash, dotés d’un solide bagage technique. Leur algorithme PLONK, développé en interne, est aujourd’hui utilisé par plusieurs projets du secteur. Même Vitalik Buterin admire leurs capacités de recherche.
Aztec utilise également la technologie ZK Rollup pour résoudre les problèmes de scalabilité d’Ethereum. Depuis sa création jusqu’au lancement d’Aztec 2.0, l’équipe a intensément travaillé sur PLONK, publiant des algorithmes comme
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
