Terrae:基于 KZG 承诺的 GBDT 训练与推理零知识证明系统
chaumian · x · 2026-09-13
南京大学与新加坡国立大学研究者在 IACR ePrint 发布论文《Zero-Knowledge Proofs for Gradient Boosted Decision Trees》(2026/907):
- 问题:GBDT 广泛用于金融、医疗等表格数据场景,当训练与推理外包时,客户需验证模型训练属实、预测一致,而提供方需保护训练数据与模型参数隐私。
- 现有方法缺陷:把训练认证编译成电路再用通用 ZKP 后端证明,prover 成本高;逐条直接证明代数关系则 witness 承诺与打开开销大,且 witness 形状各异、编码域不同,批量证明困难。
- Terrae 方案:基于 KZG 多项式承诺,针对量化 GBDT 训练与推理设计两种新批处理技术——低次数代数约束的 domain-lifting batching 与同形非原生约束的 interleaving batching,把大量约束归约为单一声明而不引入额外承诺。
- 另设计了直方图证明,用于验证样本级更新聚合成直方图的正确性,本身或具独立价值。
「研究」频道最新
- DeepSeek 研究员胡声鼎表态：直取测试时参数级持续学习路线 — teortaxesTex · 2026-09-13
- 独立开发者求发起 9.4B 稠密模型训练,单卡可跑全程开源 — NineThreeTilNow · 2026-09-13
- MIT 原型用视觉模型+肌肉电刺激,让 AI 直接指挥人手 — Olivier__OG · 2026-09-13
- 斯坦福团队于 Biometrika 发文,重审 AI 时代的替代结局方法 — lihua_lei_stat · 2026-09-13
- 多智能体团队发布多模态智能体框架综述,附开源论文追踪库 — MikeShou1 · 2026-09-13
- 复杂性理论家：P≠NP 近期无解，但 L/NP 等问题 AI 有望攻克 — _onionesque · 2026-09-13