論文の概要: Zero-Knowledge Proofs in Sublinear Space

• arxiv url: http://arxiv.org/abs/2509.05326v2
• Date: Wed, 17 Sep 2025 17:25:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 14:28:52.485941
• Title: Zero-Knowledge Proofs in Sublinear Space
• Title（参考訳）: 地下空間におけるゼロ知識証明
• Authors: Logan Nye,
• Abstract要約: 主流暗号構築のためのサブリニアメモリ要件を持つ最初の証明システムを開発した。 我々は同じパラメータを使って同じ証明と検証を行い、挑戦生成に集約されたコミットメントのみをハッシングする。 この進歩により、日常のデバイス上でゼロ知識の証明が可能になり、これまで不可能だった大規模な計算を検証できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Zero-knowledge proofs allow verification of computations without revealing private information. However, existing systems require memory proportional to the computation size, which has historically limited use in large-scale applications and on mobile and edge devices. We solve this fundamental bottleneck by developing, to our knowledge, the first proof system with sublinear memory requirements for mainstream cryptographic constructions. Our approach processes computations in blocks using a space-efficient tree algorithm, reducing memory from linear scaling to square-root scaling--from $\Theta(T)$ to $O(\sqrt{T} + \log T \log\log T)$ for computation size $T$--while maintaining the same proof generation time through a constant number of streaming passes. For widely-used linear polynomial commitment schemes (KZG/IPA), our method produces identical proofs and verification when using the same parameters and hashing only aggregate commitments into the challenge generation, preserving proof size and security. Hash-based systems also achieve square-root memory scaling though with slightly different proof structures. This advance enables zero-knowledge proofs on everyday devices and makes previously infeasible large computations verifiable, fundamentally democratizing access to privacy-preserving computation. Space-efficient zero knowledge proof systems create opportunities to reshape how trust is established in digital systems--from enabling widespread participation in decentralized networks to making verifiable scientific computing practical at unprecedented scales.
• Abstract（参考訳）: ゼロ知識証明は、プライベート情報を公開することなく、計算の検証を可能にする。 しかし、既存のシステムは計算サイズに比例してメモリを必要とするため、大規模なアプリケーションやモバイルやエッジデバイスでは歴史的に使用が制限されていた。 我々は、この根本的なボトルネックを、我々の知識に則って、主要な暗号構造のためのサブ線形メモリ要求を持つ最初の証明システムを開発することで解決する。 我々の手法は,空間効率のよいツリーアルゴリズムを用いてブロック内の計算処理を行い,線形スケーリングから平方根スケーリングまでのメモリを$\Theta(T)$から$O(\sqrt{T} + \log T \log\log T)$に削減する。 広く使われている線形多項式コミットメントスキーム (KZG/IPA) に対して,本手法は,同じパラメータを使用すれば同一の証明と検証を生成できる。 ハッシュベースのシステムは、わずかに異なる証明構造を持つにもかかわらず、平方根のメモリスケーリングも達成する。 この進歩により、日常のデバイス上でゼロ知識の証明が可能になり、これまで不可能だった大規模な計算を検証し、プライバシ保護の計算へのアクセスを根本的に民主化する。 空間効率のゼロ知識証明システムは、分散ネットワークへの広範な参加の実現から、前例のない規模の検証可能な科学計算の実現に至るまで、デジタルシステムにおける信頼の確立を再構築する機会を生み出す。

関連論文リスト

• On Immutable Memory Systems for Artificial Agents: A Blockchain-Indexed Automata-Theoretic Framework Using ECDH-Keyed Merkle Chains [0.0]
  本稿では,暗号的に固定された決定論的計算フレームワークであるMerkle Automatonの概念を紹介する。 各エージェントのトランジション、メモリフラグメント、推論ステップは、オンチェーンでルートされたMerkle構造内で実行される。 このアーキテクチャはメモリをキャッシュではなく台帳として再設定する - 内容がプロトコルによって強制され、暗号によって拘束され、形式論理によって制約される。
  論文  参考訳（メタデータ） (2025-06-16T08:43:56Z)
• Log-Augmented Generation: Scaling Test-Time Reasoning with Reusable Computation [80.69067017594709]
  大規模言語モデル(LLM)とそのエージェントモデルは、以前のタスクからの推論を維持するのに苦労する。 本稿では,従来の計算を直接再利用し,テスト時に過去のログから推論する新しいフレームワークであるLAGを提案する。 本手法は,ログを使用しない標準的なエージェントシステムよりも優れている。
  論文  参考訳（メタデータ） (2025-05-20T14:14:38Z)
• Quantifying Memory Utilization with Effective State-Size [73.52115209375343]
  「我々は、テキスト・メモリ利用の尺度を策定する。」 この計量は、textitinput-invariant および textitinput-variant linear operator を持つシステムの基本的なクラスに適合する。
  論文  参考訳（メタデータ） (2025-04-28T08:12:30Z)
• Periodic Online Testing for Sparse Systolic Tensor Arrays [0.0]
  モダン機械学習(ML)アプリケーションは、しばしば構造化されたスパーシティの恩恵を受ける。これは、モデルの複雑さを効率的に低減し、ハードウェア内のスパースデータの処理を単純化するテクニックである。 本稿では,ベクトルの開始前にスパルス・シストリック・テンソルアレイ内の永久断層を検出し,検出するオンラインエラーチェック手法を提案する。
  論文  参考訳（メタデータ） (2025-04-25T18:10:45Z)
• Topology-aware Embedding Memory for Continual Learning on Expanding Networks [63.35819388164267]
  本稿では,メモリリプレイ技術を用いて,メモリ爆発問題に対処する枠組みを提案する。 Topology-aware Embedding Memory (TEM) を用いたPDGNNは最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-01-24T03:03:17Z)
• Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
  提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。 大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T14:30:06Z)
• Improved Branch and Bound for Neural Network Verification via Lagrangian Decomposition [161.09660864941603]
  ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。 活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。 BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
  論文  参考訳（メタデータ） (2021-04-14T09:22:42Z)
• Online Limited Memory Neural-Linear Bandits with Likelihood Matching [53.18698496031658]
  本研究では,探索学習と表現学習の両方が重要な役割を果たす課題を解決するために,ニューラルネットワークの帯域について検討する。 破滅的な忘れ込みに対して耐性があり、完全にオンラインである可能性の高いマッチングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-07T14:19:07Z)
• Dimension reduction in recurrent networks by canonicalization [8.071506311915396]
  本稿では、半無限入力に対応するために、古典的な正準状態空間実現の概念を適用する。 いわゆる入力忘れ特性は、正準実現の存在と一意性(系同型まで)を保証する鍵仮説として同定される。 再生カーネルヒルベルト空間(RKHS)を用いた暗黙還元の概念を導入し、線形リードアウトを持つシステムでは、縮小された空間を計算せずに次元縮小を実現する。
  論文  参考訳（メタデータ） (2020-07-23T17:12:37Z)
• Fast Estimation of Information Theoretic Learning Descriptors using Explicit Inner Product Spaces [4.5497405861975935]
  カーネル法は、信号処理や機械学習における非線形問題を解くため、理論的に座屈し、強力で汎用的な枠組みを形成する。 近年, NTカーネル適応フィルタ (KAF) を提案する。 我々は,内部積空間カーネルを用いたIPLの高速,スケーラブル,高精度な推定器群に着目した。
  論文  参考訳（メタデータ） (2020-01-01T20:21:12Z)

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。