Zero knowledge proofs
PulseAugur coverage of Zero knowledge proofs — every cluster mentioning Zero knowledge proofs across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法通过证明共享和零知识证明增强神经网络验证
研究人员正在探索新方法来验证神经网络的鲁棒性和公平性，特别是在关键领域的应用。一种名为FastCert的方法系统地研究和优化了基于模板的证明共享以加速验证，通过智能地分发模板，比现有技术实现了1.13倍的加速。另一项开发PANDA利用可扩展的零知识证明来保证模型属性而不泄露敏感参数，能够在几分钟内为拥有数百万参数的网络提供证明。
-
新方法使用零知识证明来 redaction 敏感的图像来源数据
研究人员开发了一种称为“软 redaction”的方法来保护图像来源数据中的敏感信息。该技术使用零知识证明 (ZKP) 来验证图像来源的特定属性，而无需泄露底层的敏感细节。所提出的系统可以使用切比雪夫多项式证明与参考点的接近程度，验证与生物特征嵌入的相似性以进行隐私保护的权利执行，并通过证明与水印指纹的视觉相似性来支持反欺骗。这些基于 ZKP 的证明旨在快速构建和高效验证，为在 C2PA 等数字图像来源标准中增强隐私和维护信任提供了一…
-
Niyam-AI 使用零知识证明实现可验证的 AI 代理安全
研究人员推出了 Niyam-AI，这是一个旨在为 AI 代理提供加密可验证安全护栏的新颖框架。与依赖软件检查的现有方法不同，Niyam-AI 使用隔离的 Judge 模型和零知识证明（zk-SNARKs）来数学上验证每个工具调用是否符合预定义的约束。这种方法提供了可证明的安全执行保证，允许第三方在无需访问模型内部权重的情况下确认合规性。在 Agent-SafetyBench 数据集上的评估表明，Niyam-AI 的性能显著优于 NeM…
-
NanoZK 系统实现隐私保护的可验证 LLM 推理
研究人员开发了 NanoZK，这是一个新颖的零知识证明系统，旨在增强大型语言模型 (LLM) 推理中的隐私和可验证性。该系统将 LLM 推理分解为可独立证明的层，与以前的整体方法相比，显著减小了证明大小并提高了并行性。NanoZK 旨在允许客户端和审计员在不泄露敏感模型权重或中间激活的情况下验证 LLM 执行，同时还引入了一个用于提高效率的审计预算分类工具。
-
Google Labs 开源用于私密年龄验证的零知识证明
Google Labs 已开源其零知识证明 (ZKP) 技术，旨在增强年龄验证系统中的隐私性。此举旨在允许用户在不泄露个人信息的情况下验证其年龄，可能为在线隐私和安全设定新标准。
-
新指标“方向性锐度”旨在改进机器学习模型泛化评估
研究人员引入了一种名为方向性锐度的新指标，以更好地评估机器学习模型的泛化能力。与测试准确率或标准锐度等现有方法相比，该指标旨在为模型在未见过数据上的表现提供更可靠、更有效的指示。方向性锐度即使在训练过程发生改变时也能保持准确，并且可以高效计算，甚至可以通过保护训练数据的零知识证明来计算。
-
使用零知识证明可实现AI训练算力验证
研究人员提出了一种新颖的架构，用于验证前沿AI模型的训练算力，解决了当前依赖自我报告的问题。该系统利用零知识证明（zkVM）结合网络观察和中间计算承诺，以确保训练数据的准确性。所提出的方法旨在在提供可验证的训练记录的同时保持模型机密性，从而可能实现对先进AI的可执行治理框架。
-
Microsoft Research 发布 Vega，用于私密数字身份验证
Microsoft Research 开发了 Vega，这是一个利用零知识证明的系统，使用户能够在不泄露底层凭证的情况下验证其数字身份的各个方面，例如年龄或职业身份。该技术旨在解决人工智能代理的兴起以及对安全数字验证日益增长的需求所加剧的隐私问题。Vega 可以在标准设备上快速生成证明，并旨在与驾驶执照和欧盟数字身份钱包等现有格式集成。
-
加密钱包转向新银行服务，整合法定货币和身份技术
MetaMask 和 Exodus 等加密钱包提供商正在超越简单的代币存储，提供类似新银行的服务，包括法定货币出金通道和借记卡集成。此举旨在将它们定位为金融系统的主要入口，直接与传统银行和金融科技公司竞争。身份验证技术的集成，例如零知识证明，被视为这些钱包提供增强的安全性和隐私的关键推动因素。然而，这些钱包制造商能否在竞争激烈的银行业取得成功，或者成为大型金融机构的收购目标，目前尚不确定。