論文の概要: SZKP: A Scalable Accelerator Architecture for Zero-Knowledge Proofs
- arxiv url: http://arxiv.org/abs/2408.05890v1
- Date: Mon, 12 Aug 2024 01:53:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 14:55:41.242553
- Title: SZKP: A Scalable Accelerator Architecture for Zero-Knowledge Proofs
- Title（参考訳）: SZKP:ゼロ知識証明のためのスケーラブルなアクセラレータアーキテクチャ
- Authors: Alhad Daftardar, Brandon Reagen, Siddharth Garg,
- Abstract要約: ZKPは検証可能なコンピューティングにおける創発的なパラダイムである。
証明生成における2つの重要なプリミティブは、Number Theoretic Transform(NTT)とMulti-scalar multiplication(MSM)である。
我々は,チップ上での証明全体を高速化する最初のASICであるスケーラブルなアクセラレータフレームワークであるSZKPを提案する。
- 参考スコア（独自算出の注目度）: 10.603449308259496
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Zero-Knowledge Proofs (ZKPs) are an emergent paradigm in verifiable computing. In the context of applications like cloud computing, ZKPs can be used by a client (called the verifier) to verify the service provider (called the prover) is in fact performing the correct computation based on a public input. A recently prominent variant of ZKPs is zkSNARKs, generating succinct proofs that can be rapidly verified by the end user. However, proof generation itself is very time consuming per transaction. Two key primitives in proof generation are the Number Theoretic Transform (NTT) and Multi-scalar Multiplication (MSM). These primitives are prime candidates for hardware acceleration, and prior works have looked at GPU implementations and custom RTL. However, both algorithms involve complex dataflow patterns -- standard NTTs have irregular memory accesses for butterfly computations from stage to stage, and MSMs using Pippenger's algorithm have data-dependent memory accesses for partial sum calculations. We present SZKP, a scalable accelerator framework that is the first ASIC to accelerate an entire proof on-chip by leveraging structured dataflows for both NTTs and MSMs. SZKP achieves conservative full-proof speedups of over 400$\times$, 3$\times$, and 12$\times$ over CPU, ASIC, and GPU implementations.
- Abstract（参考訳）: Zero-Knowledge Proofs (ZKP) は、検証可能なコンピューティングにおける創発的なパラダイムである。
クラウドコンピューティングのようなアプリケーションのコンテキストにおいて、ZKPはクライアント(検証者と呼ばれる)によって、サービスプロバイダ(証明者と呼ばれる)が実際に公開入力に基づいて正しい計算を行っていることを検証するために使用できる。
ZKPsの最近の顕著な変種はzkSNARKsであり、エンドユーザーが迅速に検証できる簡潔な証明を生成する。
しかし、証明生成自体はトランザクション毎に非常に時間がかかります。
証明生成における2つの重要なプリミティブは、Number Theoretic Transform (NTT)とMulti-scalar Multiplication (MSM)である。
これらのプリミティブはハードウェアアクセラレーションの主要な候補であり、以前の研究ではGPUの実装とカスタムRTLが検討されていた。
しかし、両方のアルゴリズムは複雑なデータフローパターンを伴い、標準的なNTTはステージごとにバタフライ計算のための不規則なメモリアクセスを持ち、ピッペンガーのアルゴリズムを使ったMSMは部分和計算のためのデータ依存メモリアクセスを持つ。
我々はNTTとSMの両方に構造化データフローを活用することにより、チップ上の証明全体を高速化する最初のASICであるスケーラブルなアクセラレータフレームワークであるSZKPを提案する。
SZKPは、400$\times$, 3$\times$, 12$\times$ over CPU, ASIC, GPU実装という保守的な完全なスピードアップを実現している。
関連論文リスト
- Fast and Parallelizable Logical Computation with Homological Product Codes [3.4338109681532027]
高速量子低密度パリティチェック(qLDPC)符号は、量子ビット数を減少させるルートを約束するが、低空間コストを維持しながら計算を行うには、演算のシリアライズと余分な時間コストが必要である。
我々はqLDPC符号の高速かつ並列化可能な論理ゲートを設計し、量子加算器のようなアルゴリズム上の重要なサブルーチンに対するその有用性を実証した。
論文 参考訳（メタデータ） (2024-07-26T03:49:59Z) - Attribute Fusion-based Evidential Classifier on Quantum Circuits [22.096543893284995]
Dempster-Shafer Theory (DST)は、不確実な情報を扱うための効果的で堅牢なフレームワークであり、意思決定やパターン分類に応用される。
人々は量子コンピューティングとの整合性を利用して量子回路上のDST演算を実装し、スピードアップを実現することでこの問題に対処しようとする。
本稿では,ブール代数がDSTと量子コンピューティングの定義を橋渡しする重要な数学的ツールであることを示す。
論文 参考訳（メタデータ） (2024-01-02T15:01:20Z) - A Specialized Semismooth Newton Method for Kernel-Based Optimal
Transport [92.96250725599958]
カーネルベース最適輸送(OT)推定器は、サンプルからOT問題に対処するための代替的機能的推定手順を提供する。
SSN法は, 標準正規性条件下でのグローバル収束率$O (1/sqrtk)$, 局所二次収束率を達成できることを示す。
論文 参考訳（メタデータ） (2023-10-21T18:48:45Z) - ReLU and Addition-based Gated RNN [1.484528358552186]
従来のリカレントゲートの乗算とシグモイド関数を加算とReLUアクティベーションで置き換える。
このメカニズムは、シーケンス処理のための長期メモリを維持するために設計されているが、計算コストは削減されている。
論文 参考訳（メタデータ） (2023-08-10T15:18:16Z) - Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For
Hidden Markov Models [70.26374282390401]
ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。
本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
論文 参考訳（メタデータ） (2023-05-29T19:37:48Z) - DeepGEMM: Accelerated Ultra Low-Precision Inference on CPU Architectures
using Lookup Tables [49.965024476651706]
DeepGEMMはSIMDハードウェア上で超高精度畳み込みニューラルネットワークを実行するためのルックアップテーブルベースのアプローチである。
実装は、x86プラットフォーム上で、対応する8ビット整数カーネルを最大1.74倍の性能で上回る。
論文 参考訳（メタデータ） (2023-04-18T15:13:10Z) - Validation tests of GBS quantum computers give evidence for quantum
advantage with a decoherent target [62.997667081978825]
複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。
偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
論文 参考訳（メタデータ） (2022-11-07T12:00:45Z) - Integer-arithmetic-only Certified Robustness for Quantized Neural
Networks [14.737638416823772]
敵の例に対処する一連の作業は、ランダムな平滑化による堅牢性を保証する。
このようなメカニズムは通常、推論の計算に浮動小数点演算を使用する。
提案手法は,浮動小数点演算によるロバストな手法よりも精度と4x5xの高速化が得られることを示す。
論文 参考訳（メタデータ） (2021-08-21T01:15:19Z) - Providing Meaningful Data Summarizations Using Examplar-based Clustering
in Industry 4.0 [67.80123919697971]
我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。
提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2021-05-25T15:55:14Z) - Understanding Cache Boundness of ML Operators on ARM Processors [0.0]
これは、組み込みARMプロセッサの基本ハードウェア限界と比較して、TVMで生成された高密度および畳み込み演算子に関する最初の詳細な分析である。
単一精度の一般行列乗算(GEMM)と畳み込みはL1-cache-readバンド幅で結合される。
8ビットおよびビットシリアル量子化作用素の探索は、量子化が関連するスピードアップを達成するために使用できることを示している。
論文 参考訳（メタデータ） (2021-02-01T16:05:50Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳（メタデータ） (2020-06-17T18:14:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。