除了擴展和隱私外，ZK 還有哪些用例？

撰寫：Raghav Agarwal

編譯：深潮 TechFlow

擴容和隱私是目前 ZK 的兩個最常見的用例，然而，ZK 有更大的潛力實現更多的創新用例。LongHash 研究員 Raghav Agarwal 盤點了加密領域採用 ZK 技術的前沿研究與應用。

ZK 在 web3 中的應用越來越普遍。目前，擴展性和隱私是 ZK 最常見的兩種用例，但 ZK 還有很多潛力，並且可以實現更多創新的用例。有哪些新的 ZK 用例正在出現呢？

隨機性： ZK 可以與 VDF（可驗證的延遲函數）相結合，在區塊鏈上實現完全安全的隨機性。雖然 Ethereum 上有許多隨機功能可用，但它們存在一些微妙的缺陷，如偏置性、活性、成本高昂、額外的信任假設等。Paradigm 開發了一個 ETH 原生的、與 VDF 兼容的隨機性信標，由 RANDAO 和可插拔的塊哈希預言機提供支持。

驗證鏈外數據：Space and Time 允許數據倉庫生成 SQL 查詢執行的 SNARK 證明，以證明查詢計算準確完成，並且查詢和數據都是可驗證的防篡改的。

對於數據庫（DB）而言，在網絡中不可能讓每個單獨的 DB 節點運行相同的查詢一千次並達成共識。Proof of SQL 允許開發人員將事務性查詢和可擴展分析的結果直接連接到他們的智能合約上。

DeFi 安全：ETH Denver 第一名項目 zkPoEX 使白帽黑客能夠報告智能合約的實時漏洞，同時保持漏洞的機密性。

這可以使審計員安全地生成漏洞的 ZK 證明，而不會透露實際的漏洞。審計員可以證明他們知道一筆交易可在某些合約中產生不良狀態的變化，而不透露漏洞的具體細節。

ZK 電子郵件驗證： 由 Yush 和 Sampriti 在 PARC 開發的 ZK 電子郵件允許用戶匿名驗證電子郵件簽名，同時掩蓋他們想要的任何數據。它可以使用戶使用他們的電子郵件來證明他們擁有某個 Twitter 賬號。

Github 貢獻證明：ZkRepo 允許用戶創建一個證明，證明他們為某個 github repo 做出了貢獻，而不透露他們是誰。DAO 可以使用它來獎勵他們的 Github 貢獻者，而貢獻者也可以保持匿名。

存儲證明：Herodotus 正在使用 ZK 構建存儲證明技術，以實現以太坊區塊鏈之間的同步跨層數據訪問。開發人員可以使用它來構建合約，在 L2 上讀取 L1 狀態，在 L1 上讀取 L2 狀態，並能夠同步讀取 L2 狀態。

位置驗證：zkMaps 可用於驗證用戶是否在某個地理區域內，而不洩露其確切位置。 私人鏈上投票：Poseidon 構建的 DeFROST 實現了在 Nouns DAO 上的私人投票，可以直接使用多重簽名投票，也支持委託投票。

ZK 支持的虛擬機：除了 Polygon、zkSync 等正在構建的 zkEVM，ZK 也可以用來構建其他虛擬機，如 zkWASM。zkWASM 可以讓開發者用自己喜歡的語言編寫 ZKP 應用，而用戶可以在瀏覽器中運行它。

Wasm 是 W3C 工作組開發的網絡瀏覽器標準，包括 Google、Meta、Intel、Microsoft 等。它的開發使得代碼可以部署在任何瀏覽器中並獲得相同的結果。現已被 Web2 技術巨頭廣泛採用。

Figma 採用 Wasm 將加載時間縮短 3 倍，Google Earth 採用 Wasm 以在 Chrome 以外的瀏覽器上啟用 google earth，Adobe 在 2021 年在 Photoshop 的公測中使用了 Wasm 。

身份系統：數字身份是一個難以解決的問題。事實上，幾乎所有身份系統都需要隱私，這使得 ZK 成為開發安全、私密身份系統並消除中心化參與者的不二選擇。

zk 身份堆棧由三個主要層組成：發行方、狀態和數據可用性層。一些利用 ZK 為其用戶提供鏈上身份的知名團隊包括 holonym、Outdid.io、zCloak Network、Worldcoin、zkPass 和 Sismo 等。

ZK 機器學習（ZKML）：ZKML 是一個越來越受到關注的研究領域。ML 信任問題正變得日益關鍵，隨著 ML 應用的爆炸性增長。下面我將簡要介紹一些正在運行的項目。

通常情況下，ML 模型使用的模型參數和輸入是私有的，需要模型用戶信任模型所有者。ML 模型本身通常是在大型數據集上運行的黑匣子，容易受到偏見和甚至歧視的影響。

ZKML 可以用於模型真實性、模型完整性、將來自外部驗證方的證明整合到模型中、去中心化推理或培訓等方面。

Zkonduit 構建的 ezkl 庫允許任何人為使用 ONNX 導出的 ML 模型創建 ZK 證明。這使得任何 ML 工程師都可以創建其模型推理的 ZK 證明，並向任何驗證者證明輸出結果。

gensyn 正在建立一個去中心化的計算系統，用戶可以輸入公共數據，並由一個去中心化的節點網絡來訓練他們的模型，並驗證訓練的正確性。

Modulus Labs 對鏈上推理的不同證明系統進行了基準測試，並在 Starknet 上創建了一個使用 AI 進行決策的交易機器人。

這不是所有應用案例的詳盡列表，只是試圖記錄一些應用程序以突出 ZK 的潛力。這些可以被用作新應用案例的靈感來源，進而讓 Web3 向大規模採用更近一步。