論文の概要: Gotta Hash 'Em All! Speeding Up Hash Functions for Zero-Knowledge Proof Applications
- arxiv url: http://arxiv.org/abs/2501.18780v2
- Date: Sun, 14 Sep 2025 03:19:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 15:23:15.941015
- Title: Gotta Hash 'Em All! Speeding Up Hash Functions for Zero-Knowledge Proof Applications
- Title（参考訳）: Gotta Hash 'Em All! ゼロ知識証明アプリケーションのためのハッシュ関数の高速化
- Authors: Nojan Sheybani, Tengkai Gong, Anees Ahmed, Nges Brian Njungle, Michel Kinsy, Farinaz Koushanfar,
- Abstract要約: HashEmAllは、ZKフレンドリーなハッシュ関数のためのFPGAベースの新しいコレクションである。
我々の評価によると、レイテンシ最適化HashEmAllはCPU実装よりも少なくとも10倍高い性能を実現している。
これは、大規模なデータ認証を含む現実世界のZKPアプリケーションに対するHashEmAllの適合性を強調している。
- 参考スコア（独自算出の注目度）: 9.853088551679969
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Collision-resistant cryptographic hash functions (CRHs) are crucial for security, particularly for message authentication in Zero-knowledge Proof (ZKP) applications. However, traditional CRHs like SHA-2 or SHA-3, while optimized for CPUs, generate large circuits, rendering them inefficient in the ZK domain. Conversely, ZK-friendly hashes are designed for circuit efficiency but struggle on conventional hardware, often orders of magnitude slower than standard hashes due to their reliance on expensive finite field arithmetic. To bridge this performance gap, we present HashEmAll, a novel collection of FPGA-based realizations for three prominent ZK-friendly hashes: Griffin, Rescue-Prime, and Reinforced Concrete. Each offers distinct optimization profiles, with both area-optimized and latency-optimized variants available, allowing users to tailor hardware selection to specific application constraints regarding resource utilization and performance. Our extensive evaluation shows that latency-optimized HashEmAll designs outperform CPU implementations by at least $10 \times$, with the leading design achieving a $23 \times$ speedup. These gains are coupled with lower power consumption and compatibility with accessible FPGAs. Importantly, the highly parallel and pipelined architecture of HashEmAll enables significantly better practical scaling than CPU-based approaches towards building real-world ZKP applications, such as data commitments with Merkle Trees, by mitigating the hashing bottleneck for large trees. This highlights the suitability of HashEmAll for real-world ZKP applications involving large-scale data authentication. We also highlight the ability to translate the HashEmAll methodology to various ZK-friendly hash functions and different field sizes.
- Abstract（参考訳）: 衝突耐性暗号ハッシュ関数(CRH)はセキュリティ、特にZero-knowledge Proof (ZKP)アプリケーションにおけるメッセージ認証に不可欠である。
しかし、SHA-2やSHA-3のような従来のCRHはCPUに最適化されているものの、大きな回路を生成し、ZK領域では効率が良くない。
逆に、ZKフレンドリーなハッシュは回路効率のために設計されているが、高価な有限場演算に依存するため、従来のハードウェアではしばしば標準ハッシュよりも桁違いに遅い。
この性能ギャップを埋めるために、我々は、Griffin、Rescue-Prime、Reinforced concreteの3つの著名なZKフレンドリーなハッシュに対するFPGAベースの新しい実現のコレクションであるHashEmAllを紹介する。
それぞれが異なる最適化プロファイルを提供しており、エリア最適化とレイテンシ最適化の両方が利用可能であり、ユーザーはリソース利用とパフォーマンスに関する特定のアプリケーション制約に対して、ハードウェアの選択を調整できる。
我々の広範な評価によると、レイテンシ最適化のHashEmAllはCPU実装を少なくとも10 \times$で上回り、リードデザインは23 \times$のスピードアップを達成した。
これらの利得は、消費電力の低減と、アクセス可能なFPGAとの互換性に結びついている。
重要なことは、HashEmAllの高度に並列かつパイプライン化されたアーキテクチャは、大きなツリーのハッシュボトルネックを軽減することで、Merkle Treesとのデータのコミットメントのような実際のZKPアプリケーションを構築するためのCPUベースのアプローチよりも、はるかに優れた実践的スケーリングを可能にします。
これは、大規模なデータ認証を含む現実世界のZKPアプリケーションに対するHashEmAllの適合性を強調している。
また、HashEmAllの方法論を様々なZKフレンドリーなハッシュ関数やフィールドサイズに翻訳する機能についても強調する。
関連論文リスト
- HashAttention: Semantic Sparsity for Faster Inference [91.54218318798603]
HashAttentionは、推奨問題としてピボットトークンの識別をキャストする原則的なアプローチである。
ビットワイズ演算を用いて、このハミング空間における所定のクエリに対する重要なトークンを効率的に識別する。
これはLongBenchとLlama-3.1-8Bモデルの1/32times$で使用されるトークンの数を減らすことができる。
論文 参考訳（メタデータ） (2024-12-19T02:34:15Z) - if-ZKP: Intel FPGA-Based Acceleration of Zero Knowledge Proofs [3.0009885036586725]
本稿では,FPGA上でのzk-SNARK証明の高速化に適した,スケーラブルなアーキテクチャを提案する。
我々は、zk-SNARKシステムに費やされた時間の大半を占めるマルチスカラー乗算(MSM)に焦点を当てる。
我々の実装は、参照ソフトウェアライブラリに比べて110x-150倍高速に動作します。
論文 参考訳（メタデータ） (2024-12-17T02:35:32Z) - AMAZE: Accelerated MiMC Hardware Architecture for Zero-Knowledge Applications on the Edge [10.803274987172035]
暗号ハッシュ(CRH)機能は、現代システムにおけるセキュリティとプライバシの提供において、長い間重要な部分であった。
いくつかのゼロ知識証明(ZKP)プロトコルは、CRH関数を使用して暗号ハッシュを実行することを目的としている。
SHA2のような標準CRH関数はZKPドメインで使用されると非効率である。
最も成熟したZKフレンドリーなハッシュであるMIMCは、単純な代数構造を持つブロック暗号とハッシュ関数を示す。
論文 参考訳（メタデータ） (2024-11-10T03:55:08Z) - Benchmarking ZK-Friendly Hash Functions and SNARK Proving Systems for EVM-compatible Blockchains [7.520993886306112]
我々は、Poseidon2、Neptune、GMiMCの自己開発回路テンプレートを含む、SNARK証明システムと5つのZKフレンドリなハッシュ関数をベンチマークした。
我々の研究は、ZKフレンドリなハッシュ関数とZKツールのベンチマークを提供し、ZKPベースのプライバシ保護トランザクションプロトコルにおけるコスト効率とコンプライアンスも検討しています。
論文 参考訳（メタデータ） (2024-09-03T15:19:47Z) - Performance Evaluation of Hashing Algorithms on Commodity Hardware [0.0]
本稿では,一般的なハッシュアルゴリズムBlake3,SHA-256,SHA-512の性能評価を行う。
これらのハッシュアルゴリズムは、デジタル署名、メッセージ認証、パスワードストレージなど、様々なアプリケーションで広く使われている。
評価の結果、Blake3はスループットとレイテンシの点でSHA-256とSHA-512の両方を上回っている。
論文 参考訳（メタデータ） (2024-07-11T08:31:02Z) - Extreme Compression of Large Language Models via Additive Quantization [59.3122859349777]
我々のアルゴリズムは、AQLMと呼ばれ、情報検索のための古典的な加算量子化(AQ)アプローチを一般化する。
トークン生成のためのAQLMの高速GPUおよびCPU実装を提供しており、最適化されたFP16実装を高速にマッチングまたは性能良くすることができる。
論文 参考訳（メタデータ） (2024-01-11T18:54:44Z) - A Lower Bound of Hash Codes' Performance [122.88252443695492]
本稿では,ハッシュ符号間のクラス間の差分性とクラス内圧縮性が,ハッシュ符号の性能の低い境界を決定することを証明する。
次に、ハッシュコードの後部を推定し、それを制御することにより、上記の目的を完全に活用する代理モデルを提案し、低バイアス最適化を実現する。
一連のハッシュモデルをテストすることで、平均精度が最大で26.5%、精度が最大で20.5%向上した。
論文 参考訳（メタデータ） (2022-10-12T03:30:56Z) - ASH: A Modern Framework for Parallel Spatial Hashing in 3D Perception [91.24236600199542]
ASHは、GPU上の並列空間ハッシュのためのモダンで高性能なフレームワークである。
ASHはより高いパフォーマンスを実現し、よりリッチな機能をサポートし、より少ないコード行を必要とする。
ASHとそのサンプルアプリケーションはOpen3Dでオープンソース化されている。
論文 参考訳（メタデータ） (2021-10-01T16:25:40Z) - Quantum collision finding for homomorphic hash functions [0.0]
証明可能なハッシュ関数に対して,$oplus$-linearハッシュ関数に対する事前攻撃を含む具体的な攻撃例を示す。
加法的あるいは乗法的なハッシュ関数は、量子コンピュータの隠れ部分群問題アルゴリズムを用いて量子攻撃に対して脆弱である。
論文 参考訳（メタデータ） (2021-07-30T23:01:02Z) - SMYRF: Efficient Attention using Asymmetric Clustering [103.47647577048782]
本稿では,注目度を近似する新しいタイプのバランスクラスタリングアルゴリズムを提案する。
SMYRFは、再トレーニングすることなく、高密度の注意層をドロップインで置き換えることができる。
SMYRFは,訓練前後の集中的注意と相互に使用できることが示唆された。
論文 参考訳（メタデータ） (2020-10-11T18:49:17Z) - 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) - Hashing-based Non-Maximum Suppression for Crowded Object Detection [63.761451382081844]
オブジェクト検出のための非最大ボックスを効率的に抑制するアルゴリズム,HNMS(Hash-based non-maximumpression)を提案する。
2段階検出器では、領域提案ネットワークにおけるNMSをHNMSに置き換え、相当の精度でかなりのスピードアップを観測する。
CARPK、SKU-110K、CrowdHumanデータセットを用いて実験を行い、HNMSの有効性と有効性を示す。
論文 参考訳（メタデータ） (2020-05-22T23:45:59Z)
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。