摘要

• ZKML(Zero knowledge machine learning)是将零知识证明用于机器学习的技术，ZKML是AI和区块链的桥梁。ZKML可以解决AI模型/输入的隐私保护问题和推理过程可验证的问题，从而使小模型或者推理的ZKP能上链。模型/推理证明上链的意义在于：
• 让区块链能感知物理世界。比如：一个运行在区块链上的人脸识别模型就可以为区块链感知人脸，通过链上AI模型区块链能理解这个人脸可能是一个女性、大约多大年龄等。
• 让智能合约能做决策。比如：链上的WETH价格预测模型，就可以帮助智能合约做交易决策。
• 保护隐私地运行AI模型。比如：企业花费了大量算力训练了一个模型，希望可以以保护隐私的方式对外提供推理服务，或者用户的输入希望保证隐私。用ZKML既能保证模型/输入隐私，又可以向使用者证明推理是正确进行的，实现无信任推理。
• ZKML的应用
• 链上AI：将AI模型/AI推理证明上链，让智能合约能使用AI来进行决策。比如链上交易系统，用于链上投资决策。
• 自我提高的区块链：让区块链能用上AI的能力，根据历史数据不断提高和修正策略。比如基于AI的链上声誉系统。
• AIGC上链：AIGC生成的内容/艺术品，上链Mint成NFT，ZK可以证明过程的正确性，数据集中没有使用受版权保护的图像等。
• 钱包的生物认证（KYC）：人脸识别的证明上链，钱包完成KYC。
• AI安全：用AI做欺诈检测，女巫攻击预防等。
• 链上ZKML游戏：链上人工智能象棋棋手、神经网络驱动的NFT角色等。
• ZKML技术上
• 目标：将神经网络转化成ZK电路，难点：1. ZK电路不支持浮点数、2.规模太大的神经网络难以转换。
• 当前进展：
• 最早的ZKML库是2年前，整个技术的发展历史很短。目前，最新的ZKML库支持一些简单的神经网络ZK化，并应用在区块链上。据称能将基础的线性回归模型上链，其它各类小一点的神经网络模型，都能支持证明上链。但看到的Demo很少，只看到一个手写数字识别的。

• - 星际资讯
  
  免责声明：投资有风险，入市须谨慎。本资讯不作为投资建议。