Analyse approfondie des applications et perspectives de la ZKML dans Web3
TechFlow SélectionTechFlow Sélection
Analyse approfondie des applications et perspectives de la ZKML dans Web3
Cet article partira de deux cas, Worldcoin et Vanna, pour explorer en profondeur le développement et les défis de la technologie ZKML, et favoriser son adoption généralisée et son essor dans le domaine de la blockchain.
Dédié à des analyses Web3 approfondies
Avec le développement rapide de la technologie blockchain, la confidentialité et la sécurité des données sont devenues des enjeux centraux. L'apprentissage machine à preuve de connaissance nulle (Zero-knowledge machine learning, ZKML), une technologie émergente combinant efficacement la sécurité des preuves à connaissance nulle (ZKP) et l'intelligence de l'apprentissage automatique (ML), ouvre des opportunités sans précédent dans l'univers Web3.
Actuellement, les applications du ZKML dans le domaine de la blockchain sont larges et comprennent principalement les aspects suivants :
-
Accélération matérielle : En raison de la complexité computationnelle des preuves ZK, certains projets comme Cysic ou Ulvetanna utilisent l'accélération matérielle pour améliorer l'efficacité des calculs hors chaîne.
-
Traitement des données sur chaîne : Des projets tels qu’Axiom ou Herodotus se concentrent sur la transformation des données on-chain en un format adapté à l'entraînement ML, tout en garantissant que les résultats du modèle soient facilement accessibles depuis la chaîne.
-
Circuitisation des calculs : Afin de permettre aux calculs ML d'être traités par les mécanismes ZK de la blockchain, certains projets comme Modulus Labs ou Jason Morton transforment les modèles de calcul ML en circuits logiques.
-
Preuve ZK des résultats : Pour résoudre les problèmes de confiance autour des modèles ML, des projets comme RISC Zero ou Axiom utilisent des preuves basées sur ZK-SNARKs afin de vérifier l'authenticité des résultats produits.
Le ZKML connaît actuellement un développement fulgurant et peut jouer un rôle clé dans la construction de l'identité décentralisée (DID) sur Web3. Jusqu'à présent, les méthodes de gestion d'identité telles que les clés privées ou les phrases de récupération offraient une mauvaise expérience utilisateur. Une véritable identité décentralisée pourrait désormais s’appuyer sur le ZKML pour identifier les utilisateurs via leurs données biométriques, tout en garantissant la confidentialité de ces informations sensibles. Worldcoin utilise déjà le ZKML pour mettre en œuvre une vérification DID à connaissance nulle fondée sur la reconnaissance de l'iris.
Cet article explore en profondeur le développement et les défis du ZKML à travers deux cas concrets — Worldcoin et Vanna — et vise à promouvoir l'adoption généralisée et prospère de cette technologie dans l'écosystème blockchain.
1. Analyse du cas Worldcoin : application du ZKML à l'authentification et à la protection de la vie privée
-
Intégration d'une DApp à Worldcoin
L'identité Worldcoin ID peut être utilisée pour l'authentification. Worldcoin fournit un SDK nommé IDKit qui permet d'utiliser l'application World App pour authentifier l'utilisateur selon le processus suivant :
Après ce traitement, les données biométriques de l’utilisateur deviennent un justificatif de connexion, aboutissant à la génération d’une « proof » dans l’application Worldcoin permettant de prouver son identité.
Application du ZKML dans Worldcoin
-
Utilisation du ML dans Worldcoin
En exécutant localement sur l'appareil de l'utilisateur (données biométriques auto-hébergées) le modèle IrisCode, on vérifie si un WorldID valide et unique a été créé localement. Ensuite, la fonction _addMember(uint256 groupId, uint256 identityCommitment) est appelée sur le groupe d'identités Semaphore avec un engagement d'identité valide, rendant ainsi le protocole publiquement accessible sans permission.
-
Utilisation du ZK dans Worldcoin
Processus d'inscription
Durant l'inscription à Worldcoin, l'utilisateur génère un WorldID par numérisation de l'iris, puis appelle la fonction _addMember sur le groupe d'identités Semaphore ayant un engagement d'identité valide, permettant ainsi un accès public et sans permission au protocole.
Signup Sequencer : Le séquenceur d'inscription trie les données (identités) envoyées par lots aux contrats intelligents Ethereum.
Semaphore MTB : SMTB est un service destiné au traitement groupé des mises à jour d'arbres de Merkle. Il reçoit les mises à jour d'arbres de Merkle et les regroupe en une seule mise à jour. Cela réduit utilement le nombre de transactions à soumettre à la blockchain. Un circuit SNARK est généré pour garantir la correction de la mise à jour groupée de l'arbre de Merkle.
Tx Sitter : Signe les transactions et les envoie à la blockchain.
Les entrées de la preuve sont l'external nullifier (valeur publique de 32 octets définissant le périmètre d'unicité des vérifications) et l'identity nullifier secret, à partir desquelles un hash de nullifier est calculé pour identifier l'utilisateur.
Processus de connexion
Durant la connexion, l'identity nullifier fourni par l'utilisateur est converti en une preuve, un processus similaire au zkRollup. Après soumission de l'identity nullifier, plusieurs mises à jour d'état Merkle sont agrégées et publiées sur la blockchain.
Résumé
La mise en œuvre technique de Worldcoin implique plusieurs niveaux : exécution locale du modèle IrisCode, génération de l'external-nullifier, traitement groupé via Semaphore MTB et gestion des transactions par Tx Sitter. Notamment, le modèle IrisCode transformant l'iris en World ID s’exécute sur le terminal utilisateur, protégeant ainsi la vie privée contre toute exécution par des nœuds externes. Cette combinaison technologique permet à Worldcoin d’assurer une authentification à la fois efficace et sécurisée tout en préservant la confidentialité.
Le cas de Worldcoin illustre pleinement le potentiel et l’efficacité pratique du ZKML. En combinant preuves à connaissance nulle et apprentissage machine, Worldcoin renforce non seulement la sécurité de l'authentification mais offre également un soutien robuste à la protection de la vie privée des utilisateurs.
Ce cas constitue une référence précieuse et une source d'inspiration pour d'autres projets blockchain.
2. Réseau Vanna et ZKML : inférence intelligente et vérification dans la blockchain
Aperçu du réseau Vanna
Le réseau Vanna est une plateforme blockchain innovante spécialisée dans la génération et la vérification efficaces de preuves à connaissance nulle. En associant la transparence et l'inaltérabilité de la blockchain aux propriétés de protection de la vie privée des preuves à connaissance nulle, il offre un environnement sûr et fiable pour le traitement des données.
Fonctionnalités du réseau Vanna
-
Interrogation des données : Accès aux données provenant d'Oracle ou d'états on-chain via des requêtes inter-chaînes vers des contrats intelligents.
-
Prétraitement : Utilisation de compilateurs intégrés de Vanna pour préparer les données brutes extraites aux inférences.
-
Exécution de l'inférence : Exécution fluide et évolutif d'inférences avec un niveau de sécurité cryptographique adapté à chaque cas d'utilisation.
-
Vérification de l'inférence : Toutes les preuves cryptographiques garantissant l'exactitude des inférences sont validées par des nœuds validateurs sur le réseau Vanna.
-
Publication et traçabilité : Les résultats d'inférence peuvent être relayés via des messages inter-chaînes vers tout contrat sur n'importe quelle chaîne, et publiés sur une couche d'accessibilité des données.
Caractéristiques du réseau Vanna
-
Inférence parallèle pré-exécutée
Divisé en trois phases :
Phase 1 : Simulation
Vanna exécute chaque transaction via un simulateur afin d’identifier quelles demandes d’inférence seront lancées. Aucune inférence n’est encore effectuée.
Phase 2 : Mempool d’inférence
Les transactions et leurs demandes d’inférence sont ajoutées au mempool d’inférence, qui transmet les requêtes aux nœuds d’inférence de Vanna. Ici, les inférences et leurs preuves doivent être exécutées.
Phase 3 : Exécution EVM
Les résultats d’inférence sont injectés dans l’EVM afin que la transaction puisse y accéder directement, comme n’importe quelle autre variable. La transaction est alors exécutée et soumise à la blockchain.
-
Séparation entre calcul et vérification
Le réseau Vanna utilise deux types de nœuds distincts — nœuds de validation et nœuds d’inférence — séparant clairement les rôles de vérification du réseau et de calcul d’inférence.
Nœuds de validation : Ces nœuds Rollup valident indépendamment les transactions et l’état du réseau Vanna. Ils participent aussi à la vérification des preuves cryptographiques générées par les nœuds d’inférence.
Nœuds d’inférence : Ces nœuds ne valident ni les transactions ni les blocs du réseau, mais se concentrent exclusivement sur le calcul des inférences IA/ML et la génération des preuves cryptographiques correspondantes.
-
Staking et pénalités
Le réseau Vanna assure sa sécurité économique via un contrat de staking au niveau applicatif. Lorsqu’un nœud d’inférence rejoint le réseau, il doit déposer des jetons Vanna comme mise dans le contrat de staking. Ce contrat impose des règles de comportement, incluant des conditions de slashing telles que :
-
zkML – Génération d'une preuve invalide, impossible à vérifier cryptographiquement
-
opML – Réponse réussie à un défi concernant l’inférence générée par le nœud
-
zkFP – Réponse réussie à un défi concernant la conclusion du nœud, ou incapacité à produire un ZK-SNARK prouvant ladite conclusion
Résumé
Grâce à sa conception et ses fonctionnalités uniques, le réseau Vanna illustre pleinement le potentiel du ZKML dans la blockchain, notamment via son inférence parallèle pré-exécutée, la séparation entre vérification et calcul, ainsi que son mécanisme de staking et de pénalités.
3. EZKL, l'arme du développement ZKML : simplifier la génération et la vérification des preuves à connaissance nulle
Présentation d’EZKL
EZKL prend une description haut niveau d’un programme et configure un prouveur et un vérificateur à connaissance nulle. Il se concentre particulièrement sur les modèles d’intelligence artificielle/apprentissage automatique (AI/ML) pytorch et autres représentations sous forme de graphes computationnels. Une fois configuré, le prouveur peut attester des énoncés suivants :
-
« J’ai exécuté ce réseau de neurones public avec des données privées, et obtenu cette sortie »
-
« J’ai exécuté mon réseau de neurones privé avec des données publiques, et obtenu cette sortie »
-
« J’ai correctement exécuté ce réseau de neurones public sur des données publiques, et obtenu cette sortie »
Workflow d’EZKL
Le flux de travail d’EZKL est illustré ci-dessous :
-
Définition du modèle de réseau de neurones : Création d’un modèle simple
-
Entraînement du modèle : Génération des données d’entrée et obtention des sorties via le modèle
-
Exportation du modèle : Conversion du modèle au format ONNX
-
Configuration de la preuve à connaissance nulle : Génération du fichier de configuration
-
Compilation du circuit : Compilation du modèle pour produire le fichier de circuit
-
Génération de la preuve ZK : Production du SRS, du fichier witness, de la clé de preuve et de la clé de vérification
-
Vérification de la preuve ZK : Génération et vérification locale de la preuve, ou création du code Solidity et des fichiers ABI pour un vérificateur EVM, déploiement du contrat et vérification sur chaîne
4. Défis et perspectives du ZKML
À mesure que la technologie blockchain continue d’évoluer, l’apprentissage machine à connaissance nulle (ZKML) devient progressivement une force clé pour renforcer la confidentialité et la sécurité des applications. Elle annonce non seulement des innovations telles que la protection de la vie privée des contrats intelligents ou la sécurisation de la finance décentralisée (DeFi), mais pourrait aussi devenir un composant indispensable de la blockchain, posant les bases techniques d’un monde numérique plus sûr et respectueux de la vie privée.
Défis
Malgré son fort potentiel, le ZKML fait face à plusieurs défis dans sa mise en œuvre :
-
Complexité technique : La mise en œuvre du ZKML nécessite des connaissances approfondies en mathématiques et en cryptographie, augmentant considérablement la difficulté du développement et de la maintenance, et exigeant des compétences très pointues des développeurs.
-
Goulots d'étranglement de performance : La génération et la vérification des preuves à connaissance nulle sont intensives en calcul, pouvant nuire au temps de réponse et à la capacité de traitement du système. Pour y remédier, certains projets comme Lumoz proposent une couche de calcul modulaire afin d'améliorer les performances.
-
Acceptabilité par les utilisateurs : Bien que le ZKML offre une forte protection de la vie privée, les utilisateurs peuvent rester réticents en raison d’un manque de compréhension de sa complexité ou de sa sécurité.
-
Défis réglementaires : L’évolution des technologies de confidentialité oblige les autorités de régulation à actualiser leurs cadres juridiques pour s’adapter aux nouveaux enjeux.
Perspectives
Malgré ces obstacles, l’avenir du ZKML, étroitement intégré à la blockchain, est prometteur :
-
Progrès technologiques : À mesure que la recherche avance et que la technologie mûrit, le ZKML deviendra plus efficace et convivial.
-
Éducation des utilisateurs : Par la sensibilisation et la vulgarisation, on peut améliorer la compréhension du ZKML et favoriser son adoption.
-
Adaptation réglementaire : L’adaptation et l’innovation des régulateurs fourniront un soutien juridique et politique au développement du ZKML.
-
Innovation d'applications : L’évolution continue du ZKML stimulera l’émergence de nouvelles applications innovantes, élargissant son champ d’application dans divers domaines de la blockchain.
5. Conclusion
Le développement du ZKML représente un grand pas en avant pour l’écosystème blockchain, annonçant l’avènement d’une nouvelle ère de confidentialité et de sécurité des données. Face aux défis techniques, aux limites de performance et aux questions réglementaires, nous devons rester optimistes. Avec les progrès technologiques et une meilleure acceptabilité par les utilisateurs, le ZKML jouera un rôle croissant dans la blockchain, stimulant des applications plus larges et davantage d’innovations.
Références
-
Intro to zero-knowledge proofs, Semaphore and their application in World ID
-
Analyse approfondie du ZKML : principes techniques, cas d'usage, avantages et défis
-
Scanner l'iris pour prouver l'humanité : Worldcoin est-il sur la bonne voie ?
-
Un investisseur de a16z Crypto : la technologie à connaissance nulle (ZK) est gravement sous-estimée
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
@LumozOrg
