Enabling AI ASICs for Zero Knowledge Proof
Das Paper stellt MORPH vor, ein Framework, das Zero-Knowledge-Proof-Kernels durch eine hardwarebewusste Komplexitätsanalyse und die Umformulierung von Operationen für AI-ASICs wie TPUs optimiert, um die Rechenkosten für MSM und NTT erheblich zu senken.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Problem: Der langsame „Beweisführer"
Stell dir vor, du möchtest jemandem beweisen, dass du ein Geheimnis kennst (z. B. „Ich habe das Passwort"), ohne ihm das Passwort selbst zu verraten. Das nennt man Zero-Knowledge Proof (ZKP). Es ist wie ein magischer Trick, der in modernen Blockchains und sicheren Datenbanken verwendet wird.
Das Problem dabei ist: Der „Beweisführer" (der Computer, der den Trick vorbereitet) ist extrem langsam und verbraucht viel Energie. Wenn er eine große Aufgabe lösen soll (wie das Verifizieren eines Bildes), braucht er fast eine Stunde. Das liegt daran, dass er zwei sehr rechenintensive Aufgaben erledigen muss:
- MSM: Eine Art riesiges mathematisches „Punkte-Sammeln".
- NTT: Eine komplexe Umrechnung von Zahlen, ähnlich wie ein Musikinstrument, das Töne in Frequenzen zerlegt.
Bisher nutzte man dafür normale Grafikkarten (GPUs), die wie ein Schwarm von vielen kleinen, schnellen Arbeitern sind. Sie sind gut, aber für diese speziellen, riesigen mathematischen Aufgaben nicht perfekt optimiert.
Die Lösung: Ein neuer Werkzeugkasten (MORPH)
Die Forscher haben ein neues System namens MORPH entwickelt. Sie haben es auf Google TPUs laufen lassen.
- Was ist eine TPU? Stell dir eine TPU nicht als Schwarm kleiner Arbeiter vor, sondern als einen riesigen, massiven Presslufthammer, der genau einen großen, schweren Stein pro Schlag bearbeiten kann. Er ist extrem effizient, aber er mag es nicht, wenn man ihm ständig kleine, zerstreute Steine hinstellt, die er erst sortieren muss.
Das Problem: Die alten Algorithmen waren wie ein Befehl an den Presslufthammer: „Nimm diesen kleinen Stein, dreh ihn um, sortiere ihn, nimm den nächsten..." Der Hammer verbringt die meiste Zeit mit dem Sortieren und Hin- und Hertragen, nicht mit dem eigentlichen Hämmern.
MORPH ändert die Art und Weise, wie die Befehle gegeben werden, damit der Presslufthammer (die TPU) endlich effizient arbeiten kann.
Die zwei genialen Tricks von MORPH
MORPH löst das Problem mit zwei Hauptstrategien:
1. Der Trick mit der „Falschen Sprache" (Arithmetik-Optimierung)
Die mathematischen Aufgaben erfordern Zahlen, die so groß sind, dass sie in einen normalen Computer-Speicher (wie einen kleinen Koffer) gar nicht reinpassen.
- Das alte Problem: Um diese riesigen Zahlen zu verarbeiten, mussten die Computer ständig „Überträge" (Carry Chains) berechnen. Das ist wie beim Addieren von Zahlen auf Papier: Wenn 5 + 5 = 10 ist, musst du die 1 in die nächste Spalte „übertragen". Das muss man Schritt für Schritt machen. Das ist langsam und stört den riesigen Presslufthammer.
- Die MORPH-Lösung: Sie übersetzen die riesigen Zahlen in eine „erweiterte Sprache" (einen größeren, nicht-primen Zahlenraum). In dieser Sprache gibt es keine Überträge mehr.
- Vergleich: Stell dir vor, du musst 1000 Kisten stapeln. Normalerweise musst du jede Kiste einzeln prüfen, ob sie stabil ist (Übertrag). MORPH sagt: „Wir bauen eine riesige, stabile Plattform, auf die wir alle Kisten einfach gleichzeitig draufstellen können."
- Das Ergebnis: Statt Schritt-für-Schritt zu arbeiten, kann der Presslufthammer (MXU) jetzt Massenarbeit verrichten. Das macht die Berechnung bis zu 90-mal schneller.
2. Der Trick mit dem „perfekten Stapel" (Datenfluss-Optimierung)
Selbst wenn die Zahlen richtig sind, müssen sie in der richtigen Reihenfolge in den Hammer gelegt werden.
- Das alte Problem: Die alten Algorithmen mussten die Daten ständig neu sortieren, um sie in den Speicher der TPU zu bekommen. Das ist wie ein Koch, der ständig zwischen Kühlschrank, Herd und Spülbecken hin- und herläuft, nur um Zutaten zu sortieren, bevor er kochen kann.
- Die MORPH-Lösung:
- Bei MSM (Punkte-Sammeln): Sie haben eine neue Methode namens LS-PPG erfunden. Statt die Daten erst zu sortieren und dann zu verarbeiten, sortieren und verarbeiten sie sie gleichzeitig in einem Durchgang. Es ist, als würde der Koch die Zutaten direkt in den Topf werfen, während er sie schneidet, ohne sie erst auf einen Teller zu legen.
- Bei NTT (Frequenz-Umrechnung): Sie haben die Aufgabe in noch kleinere, perfekt passende Häppchen zerlegt (5-Schritt-Methode), damit der Presslufthammer immer voll ausgelastet ist und nicht warten muss.
Das Ergebnis: Ein Turbo für die Sicherheit
Durch diese beiden Tricks (die „falsche Sprache" für die Zahlen und den „perfekten Stapel" für die Daten) erreicht MORPH auf einer Google TPU:
- Bis zu 10-mal schnellere Geschwindigkeit bei der Frequenz-Umrechnung (NTT) im Vergleich zu den besten bisherigen Systemen.
- Eine deutlich bessere Energieeffizienz.
Zusammenfassend:
Die Forscher haben erkannt, dass die mächtigsten KI-Chips (TPUs) bisher für diese speziellen mathematischen Beweise nicht genutzt wurden, weil die Befehle zu kompliziert waren. Mit MORPH haben sie die Befehle so umgeschrieben, dass die KI-Chips wie ein gut geölter, riesiger Presslufthammer arbeiten können. Das macht sichere Blockchains und private Datenübertragungen in Zukunft viel schneller und günstiger.
Kurz gesagt: MORPH ist der Übersetzer, der den KI-Chips sagt: „Hör auf, die Zahlen zu sortieren, und fang endlich an, sie zu hämmern!"
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.