Publicly Verifiable Outsourced Computation with a Key Distribution Centre
软件即服务和移动设备使用的增加相结合，导致服务器和客户端之间的计算能力存在相当大的差异。因此，客户希望将复杂函数的评估外包给服务器，并能够验证结果值是否正确。以前在可公开验证的外包计算（PVC）领域的工作需要昂贵的预处理阶段。然而，在许多实际情况下，多个客户端将对同一组核心功能感兴趣，并且将使用相同的服务器。因此，预处理阶段可以执行比所需次数更多的次数。在本文中，我们将介绍一个密钥分发中心（KDC），它处理支持PVC所需的密钥的生成和分发，从而消除了这种冗余。我们定义了一些新的安全模型和功能，出现了引入的KDC，并提出了这样一个计划的建设，建立在基于密钥策略的属性加密。
2014-06-22 cs.CR
A Verifiable Multiparty Computation Solver for the Assignment Problem and Applications to Air Traffic Management
指派问题是许多应用领域中的基本问题，经常被用来优化资源的使用。这个问题是很好理解的，存在各种有效的算法来解决这个问题。然而，目前还不清楚什么样的实际性能可以实现基于多方计算（MPC）的隐私保护的实现，利用更有效的解决方案的策略比基于MPC的单纯形求解器的线性规划。我们通过实施和比较不同的优化MPC算法来解决这个问题，以解决合理的问题大小的分配问题。我们的经验方法揭示了对基于MPC的优化的各种见解，并且与已知的基于单纯形的方法相比，我们测量了显着的（50倍）加速。此外，我们还研究了通过非交互式的零知识证明的结果公开验证引入的开销。通过利用现代证明系统，我们还实现了显着的加速证明和验证时间相比，以前提出的方法，以及紧凑的证明大小。
2022-05-06 cs.CR
Raziel: Private and Verifiable Smart Contracts on Blockchains
Raziel结合了安全的多方计算和携带证明的代码，为区块链上的智能合约提供隐私，正确性和可验证性保证。有效地解决了DAO和Gyges攻击，本文描述了一种实现，并给出了示例来证明其实际可行性（例如，私人和可验证的众筹和投资基金）。此外，我们展示了如何使用证明的零知识证明（即，Proof-Carrying Code证书）在智能合约执行之前向第三方证明其有效性，而不会泄露任何其他信息。最后，我们展示了矿工如何通过为安全多方计算生成预处理数据而获得奖励。
2020-02-13 cs.CR
State of the Art Report: Verified Computation
本报告综述了可验证计算领域的最新技术，调查了128篇文献，总结了概率可检查证明和零知识证明的理论基础及当前实践，为军事应用和技术演示提供参考。
2024-02-16 cs.CR
Trusted Compute Units: A Framework for Chained Verifiable Computations
Technische Universität Berlin（柏林工业大学）
本文提出可信计算单元（TCU）框架，通过统一异构技术实现安全、隐私保护的链下计算，提升区块链系统的性能和可扩展性。
2025-04-28 cs.CR
vFHE: Verifiable Fully Homomorphic Encryption with Blind Hash
全同态加密（FHE）是一种功能强大的加密技术，它允许在不需要解密的情况下对密文执行计算。因此，FHE将实现隐私保护计算和广泛的应用，例如敏感医疗和金融数据的安全云计算，安全机器学习等。然而，在解决FHE计算的主要挑战方面的研究一直很缺乏：客户端数据所有者无法验证服务和计算提供商执行的计算的完整性，因此无法确保计算结果的正确性。当服务或计算提供者可能以不可信、不可靠或恶意的方式行事并篡改计算结果时，这尤其令人担忧。先前关于确保FHE计算完整性的工作是非通用的或产生太多开销。我们建议vFHE增加计算完整性FHE而不失去普遍性，而不会产生高性能的开销。
2023-03-15 cs.CR
Publicly Verifiable Blind Quantum Computation
盲量子计算协议允许有限量子技术的用户将棘手的计算委托给量子服务器，同时保持计算完全保密。虽然在某些协议中，用户可以验证计算结果是否正确，但第三方无法做到这一点，这使得不诚实的用户或所有者可以非法获利。我提出了一个新的盲量子计算协议，它具有一个新的属性，称为公共可验证性，这使得任何第三方都可以确保一方不会从企图欺骗中受益。
2016-04-01 cs.CR quant-ph
Verifiable Quantum Advantage and Computation via Quantum Circuit Obfuscation
IBM Research（IBM 研究院）；Massachusetts Institute of Technology（麻省理工学院）
本研究利用量子不可区分混淆构建经典可验证量子优势及BQP计算验证协议，首个公开可验证方案，并证明最坏到平均情况归约。
2026-10-06 cs.CR quant-ph
Verifiable Privacy-Preserving Computing
该研究针对数据密集型外包场景对隐私与可验证正确性的双重需求，分析了结合可验证性与分布式数据隐私保护计算的现有方案，分类比较37种方案的安全、效率等特性，并提出未来研究方向。
2024-04-16 cs.CR
Servicifying zk-SNARKs Execution for Verifiable Off-chain Computations
针对 zk-SNARK DSL 工具包无法自动化生成证明的问题，提出利用云端的 Proving Service，为可验证链下计算提供可扩展、可复用且具备可移植性与互操作性的证明生成方案。
2024-04-25 cs.CR cs.SE
Advancing Blockchain-based Federated Learning through Verifiable Off-chain Computations
联邦学习可能受到全局聚合攻击和分布式中毒攻击。区块链技术以及激励和惩罚机制已经被提出来应对这些问题。在本文中，我们使用零知识证明探索可验证的链下计算，作为基于区块链的联邦学习中激励和惩罚机制的替代方案。在我们的解决方案中，学习节点除了其计算职责之外，还充当链下证明者，提交证明以证明可以在区块链上验证的参数的计算正确性。我们通过健康监控用例和概念验证实施来展示和评估我们的解决方案，该实施利用ZoKrates语言和基于智能合约的链上模型管理工具。我们的研究引入了学习过程正确性的可验证性，从而推进了基于区块链的联邦学习。
2022-06-23 cs.CR cs.DC
Verifiable Encodings for Secure Homomorphic Analytics
Swiss Federal Institute of Technology in Lausanne (EPFL)（洛桑联邦理工学院）
针对同态加密无法保证云端外包计算结果正确性的问题，本文提出两种错误检测编码与对应认证器，实现VERITAS系统，支持任意同态操作验证，可应用于多类隐私计算场景。
2024-06-04 cs.CR
Verifiable Computing Using Computation Fingerprints Within FHE
我们建议使用全同态加密（FHE），不仅要保持信息的隐私，而且要验证计算，没有额外的显着开销，仅使用部分变量长度进行验证。该方法支持加密值的相加以及加密值与其对数表示的相加的相乘，并且基于硬件功能之间的分离。计算机/服务器执行黑盒加法，并且基于服务器/设备/硬件（诸如飞地）的分离，其可以处理对数值的加法和取幂。其主要思想是限制计算机操作，并使用一部分变量进行计算验证（计算指纹），另一部分用于实际计算。验证部分保存FHE值，其计算结果是已知的（由于本地计算一次或来自先前验证的计算），并且将根据返回的FHE值进行检查。我们证明了一个具有比特计算粒度的服务器即使在不提供公钥的情况下也能返回一致的加密错误结果。对于计算机字粒度的情况，验证和实际计算部分是分开的，验证部分（从变量的LSB到MSB的连续位）在所有输入向量上是固定的。我们还考虑了单指令多数据（SIMD）的情况，其中输入向量中的计算指纹索引在所有向量上都是固定的。
2021-05-04 cs.CR
Computational Attestations of Polynomial Integrity Towards Verifiable Machine-Learning
本研究利用零知识密码学技术，实现了50000样本规模下差分隐私线性回归训练的快速证明与高效验证，为端到端隐私保护机器学习即服务提供了关键基础。
2025-06-13 cs.CR
Cloak: Transitioning States on Legacy Blockchains Using Secure and Publicly Verifiable Off-Chain Multi-Party Computation
近年来，智能合约的保密性已成为实际应用的基本要求。虽然已经做出了许多努力来开发用于执行机密智能合约的架构能力，但也有一些工作将机密智能合约扩展到多方计算（MPC），即，多方联合评估链下事务并在链上提交输出，而不向彼此泄露它们的秘密输入/输出。然而，现有的解决方案缺乏公共可验证性，需要O（n）的事务来实现协商或抵抗对手，因此效率低下，安全性受损。在本文中，我们提出了Cloak，这是一个在现有区块链上实现多方交易（MPT）的框架。MPT是指通过可公开验证的链下MPC转换区块链状态。我们通过协调TEE和区块链来识别和处理保护MPT的挑战。因此，Cloak保护了链下不确定性协商过程（一方加入MPT，而不知道身份或各方的总数，直到MPT提案解决），实现了公共可验证性（公众可以验证MPT正确处理来自多方的秘密输入/输出，并在链上读取/写入状态），并抵抗拜占庭式的对手。根据我们的证明，Cloak仅用2个事务就实现了更好的安全性，优于以前以O（n）事务成本实现妥协安全性的作品。通过评估示例和真实世界的MPT，Cloak的天然气成本平均降低了32.4%。
2023-02-10 cs.CR
Public verifiable measurement-only blind quantum computation based on entanglement witnesses
针对现有可公开验证盲量子计算协议需预设全程参与的仲裁者、并非真正公开验证的问题，提出基于纠缠见证的仅测量BQC公开验证协议，通过测量纠缠见证估计保真度以验证图态正确性，实现真正公开验证且效率更优。
2023-10-03 cs.CR cs.ET quant-ph
zkVC: Fast Zero-Knowledge Proof for Private and Verifiable Computing
针对云计算中计算完整性易受服务器漏洞影响的问题，提出zkVC方法，通过优化矩阵乘法的ZKP计算（集成CRPC、PSQ等模块），实现服务器快速生成证明、客户端高效验证，证明速度较现有方法提升超12倍。
2025-04-16 cs.CR
IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation
National University of Singapore（新加坡国立大学）；Nanyang Technological University（南洋理工大学）；Independent Researcher（独立研究者）；University of California, Berkeley（加州大学伯克利分校）
IMMACULATE通过可验证计算实现对大语言模型的审计，检测模型替换、量化滥用和令牌过账等经济动机驱动的偏差，具有低吞吐量开销和强检测保证。
2026-02-26 cs.AI cs.CR
Implementation Study of Cost-Effective Verification for Pietrzak's Verifiable Delay Function in Ethereum Smart Contracts
本研究在以太坊虚拟机中实现Pietrzak VDF验证，利用原始论文优化，将验证成本从4M降至2M gas，证明长度在2048位RSA下小于8KB，显著提升效率。
2025-01-22 cs.CR
A Practical, Secure, and Verifiable Cloud Computing for Mobile Systems
云计算系统，其中客户租用和共享第三方平台的计算资源，近年来得到了广泛的使用。此外，用于移动系统的云计算（即，客户端是移动设备的系统）在技术文献中也受到了相当大的关注。我们提出了一种新的方法，委托计算的资源受限的移动客户端，其中多个服务器相互作用，以构建一个加密的程序称为乱码电路。接下来，使用来自移动客户端的乱码输入，另一个服务器执行这个乱码电路并返回结果乱码输出。我们的系统保证隐私的移动客户端的数据，即使执行服务器选择勾结所有，但其他服务器之一。为了构建一个安全的移动系统云计算，我们采用了Beaver等人的乱码电路设计和Goldreich等人的安全多方计算协议。我们的方法采用了新的使用的加密安全的伪随机数发生器的Blum等人。使移动客户端能够有效地检索计算的结果，以及验证评估者实际上执行的计算。我们分析了我们的系统的服务器端和客户端的复杂性。使用真实世界的数据，我们评估我们的系统的隐私保护搜索应用程序，定位最近的银行/ATM从移动客户端。我们还测量了构建和评估不同数量的服务器的乱码电路所需的时间，证明了我们的安全和可验证的云计算的移动系统的可行性。
2014-10-06 cs.CR
Parallel remote state preparation for fully device-independent verifiable blind quantum computation
本文提出一种设备无关的双证明者方案，通过并行自测试实现远程态制备，结合VBQC协议，实现实用且完全设备无关的可验证盲量子计算。
2025-01-22 cs.CR quant-ph
Device-Independent Verifiable Blind Quantum Computation
随着实验性量子处理器的进展不断推进，验证此类设备的正确操作的问题正成为一个紧迫的问题。最近发现的用于验证纠缠但非通信量子处理器执行的计算的协议，有望以完全独立于设备的方式证明任意量子计算的正确性。不幸的是，所有已知的方案都具有令人望而却步的开销，其中资源缩放为构成计算的门的数量的极高次数多项式。在这里，我们提出了一种新的方法的基础上相结合的验证盲量子计算和贝尔状态自测试。这种方法极大地减少了开销，资源扩展为门的数量仅为$O(m^4\ln m)$。
2015-12-02 cs.CC cs.CR quant-ph
Verifiable computations for dynamic encrypted control
University of Stuttgart（斯图加特大学）
针对线性动态加密控制中云服务器返回结果可能被篡改的问题，提出利用控制器输入输出特性生成挑战信号并行验证，几乎不增加计算负载且能高概率检测错误。
2026-06-17 cs.CR cs.SY eess.SY
Single-Query Verifiable Proof-of-Sequential-Work
我们提出了一个顺序工作证明（PoSW），可以验证只有一个查询的随机预言机的每个随机挑战。顺序工作证明是一种协议，它有助于验证者有效地验证证明者是否顺序地执行了指定数量的计算。用N表示这个顺序计算的数量，具有poly（N）并行性的证明器必须花费$Ω(N)$ -顺序时间，而验证器使用最多O（log N）并行性在O（log N）-顺序时间内验证计算。我们提出了一个PoSW，允许任何验证，即使是一个没有并行性，验证只使用一个单一的顺序计算一个单一的挑战。所有现有的PoSW [10，5，2，6]都要求证明者计算来自随机预言机的响应序列，以对抗N轮查询。然后，证明器使用提交方案（例如，Merkle root（like）commitment）。现在，验证者要求证明者提供一组针对t个随机选择的检查点的证明，称为挑战，在计算序列中。验证者从这些证明中的每一个中找出承诺，花费O（log N）轮查询到oracle。它可以减少到一个单轮的查询，只有当验证者拥有O（log N）的并行度[6]。PoSW中的验证器不需要并行性，而是使用对随机预言机的单个查询来验证t个挑战中的每个挑战。关键的观察是，在以前的作品中的承诺计划本身需要O（log N）的Oracle查询来验证。
2022-05-26 cs.CR
BioZKFHE: Scalable Encrypted Biometric Identification via Verifiable Homomorphic Similarity Evaluation
Shenzhen University（深圳大学）；Lancaster University（兰卡斯特大学）；University of Technology Sydney（悉尼科技大学）
研究大规模外包环境下生物特征识别问题，提出BioZKFHE框架，结合BGV同态计算等技术。采用SCMV打包和PVSC方法，减少加密存储、避免旋转密集匹配、使证明生成可行。实验表明该框架能实现接近无损识别，减少加密存储，缩短运行时间。
2026-10-28 cs.CR
Verifiable Computation with Trusted Execution Environments and On-Chain Digital Rights Tokens
Frankfurt School of Finance & Management（法兰克福金融管理学院）；University of Cape Town（开普敦大学）
提出利用TEE和链上数字版权令牌实现数据池的可验证计算，通过受限计算权限保护隐私，并在Solana上验证了可行性。
2026-09-21 cs.CR cs.DC
Drynx: Decentralized, Secure, Verifiable System for Statistical Queries and Machine Learning on Distributed Datasets
数据共享在大数据分析、经济学和医学研究等许多领域已经变得至关重要，但在数据敏感时仍然难以实现。事实上，分享个人信息需要个人无条件同意，或者出于隐私和安全原因而被禁止。在本文中，我们提出了Drynx，这是一个分布式系统，用于分布式数据集的隐私意识统计分析。Drynx依赖于一组计算节点来计算统计数据，如标准差或极值，以及在敏感和分布式数据上训练和评估机器学习模型。为了确保数据的机密性和数据提供者的隐私，Drynx结合了交互式协议、同态加密、正确性的零知识证明和差分隐私。它实现了对输入数据和所有系统计算的有效和分散的验证，从而在强对抗模型中提供了可验证性，其中没有实体必须单独信任。Drynx是高度模块化、动态和可并行化的。我们的评估表明，它可以在不到2秒的时间内对分布在12个数据提供者中的数据集（12个特征和600，000条记录）进行逻辑回归模型的训练。计算分布在6个计算节点上，Drynx可以在不到22秒的时间内验证查询执行的正确性。
2020-02-27 cs.CR
Robust and Verifiable MPC with Applications to Linear Machine Learning Inference
提出一种具备完全可识别性和鲁棒性的高效MPC协议，通过基于格的承诺和半诚实可信第三方实现鲁棒性，在ML即服务场景中验证线性推理，虽效率略低但安全属性更强。
2025-05-31 cs.CR
Classically-Verifiable Quantum Advantage from a Computational Bell Test
我们提出并分析了一种新的交互式协议，以证明量子计算的优势，这是有效的经典验证。我们的协议依赖于陷门无爪函数（TCF）的加密硬度。通过与贝尔不等式的惊人联系，我们的协议避免了对自适应硬核位的需要，基本上没有增加量子线路的复杂性，也没有额外的密码学假设。至关重要的是，这扩大了一套兼容的TCF，我们提出了两个新的建设：一个基于决策Diffie-Hellman问题和拉宾的功能，$x^2 \bmod N$的基础上。我们还描述了两个独立的创新，提高了我们的协议的实现的效率：（i）一个计划，以丢弃所谓的“垃圾位”，从而消除了在量子线路中的可逆性的需要，和（ii）一个自然的方式进行后选择，显着降低了保真度需要证明量子优势。这两种构造也可能是独立的，因为它们可能适用于其他基于TCF的量子密码学，例如可证明的随机数生成。最后，我们为$x^2 \bmod N$设计了几种有效的电路，并描述了它们在基于里德伯原子的量子计算机上实现的蓝图。
2022-08-16 cs.CR quant-ph
Slalom: Fast, Verifiable and Private Execution of Neural Networks in Trusted Hardware
Stanford University（斯坦福大学）
随着机器学习（ML）应用于安全关键或敏感领域，外包ML计算的完整性和隐私性需求日益增长。一个实用的解决方案来自可信执行环境（TEE），它使用硬件和软件保护将敏感计算与不可信的软件堆栈隔离开来。然而，与不受信任的替代方案相比，这些隔离保证在性能上是有代价的。本文通过在可信设备和不可信设备之间有效地划分深度神经网络（DNN）计算，启动了TEE中DNN的高性能执行研究。基于矩阵乘法的有效外包方案，我们提出了Slalom，这是一个框架，可以安全地从TEE（例如，英特尔SGX或Sanctum）到更快但不受信任的协同定位处理器。我们通过在英特尔SGX安全区中运行DNN来评估Slalom，该安全区选择性地将工作委托给不受信任的GPU。对于规范DNN（VGG16，MobileNet和ResNet变体），我们获得了6倍至20倍的可验证推理吞吐量增加，以及4倍至11倍的可验证和私有推理吞吐量增加。
2019-02-27 cs.CR cs.LG stat.ML
\texttt{Range-Arithmetic}: Verifiable Deep Learning Inference on an Untrusted Party
University of California, Berkeley（加州大学伯克利分校）
提出Range-Arithmetic框架，通过将非算术运算转化为可验证的算术步骤，实现高效的深度神经网络推理验证，降低了计算和通信开销。
2026-06-11 cs.AI cs.CR cs.ET
Efficient and Verifiable Privacy-Preserving Convolutional Computation for CNN Inference with Untrusted Clouds
Shandong University（山东大学）；Binzhou Polytechnic（滨州职业学院）；Shandong Sansec Information Technology Co., Ltd（山东三未信安信息科技有限公司）
本文针对不可信云环境下CNN推理的隐私与效率问题，提出一种面向卷积层的高效可验证隐私保护方案，在10个数据集上实现26至87倍加速且保持准确率。
2025-08-19 cs.CR cs.LG
Verifiable Fairness: Privacy-preserving Computation of Fairness for Machine Learning Systems
University of Surrey（萨里大学）；Royal Holloway University of London（伦敦大学皇家霍洛威学院）；Birmingham University（伯明翰大学）
本文提出公平性即服务（FaaS）协议，通过密码文和零知识证明实现机器学习模型公平性的安全、可验证与隐私保护计算，无需可信第三方，并在公开数据集上验证了有效性。
2023-09-12 cs.CR cs.CY cs.LG
Best-of-Both-Worlds Multiparty Quantum Computation with Publicly Verifiable Identifiable Abort
针对多方量子计算中恶意方身份需公开验证的问题，本文提出首个具备公开可验证可识别中止（PVIA）的MPQC协议，并实现两全其美安全性，在诚实多数时保证输出交付，否则安全中止。
2023-10-10 cs.CR quant-ph
Verifier-on-a-Leash: new schemes for verifiable delegated quantum computation, with quasilinear resources
可靠地证明量子设备执行的计算结果的问题正在迅速获得相关性。我们提出了两个协议的经典验证可验证的量子计算委托给两个非通信，但纠缠的量子证明。我们的协议具有接近最优的复杂性，在验证者和诚实证明者所使用的总资源方面，每一方的操作总数，包括诚实证明者所需的纠缠量子比特对的数量，缩放为$O(g\log g)$，用于委托大小为$g$的电路。这与以前的协议相反，以前的协议都需要非常大的多项式开销。我们的第一个协议需要在被委托的电路的深度上线性的回合数，并且是盲的，这意味着两个证明者都不能学习被委托的电路。第二个协议不是盲目的，但只需要恒定数量的交互轮数。我们的主要技术创新是一个有效的刚性定理，它允许验证器测试，两个纠缠的证明者执行测量指定的任意$m$ -量子位张量积的单量子位克利福德观测值在各自的一半的$m$共享EPR对，具有鲁棒性，是独立的$m$。我们的两个证明者经典验证者委托协议是通过将这个刚性定理与Broadbent（Theory of Computing，2018）介绍的用于量子计算的可验证委托的单证明者量子验证者协议相结合而获得的。
2020-01-09 cs.CC cs.CR quant-ph
End-to-End Verifiable Decentralized Federated Learning
POSTECH（浦项科技大学）；TU Berlin（柏林工业大学）
针对现有可验证去中心化联邦学习缺乏端到端数据完整性保障的问题，提出结合两步证明与验证（2PV）方法的系统，将可验证性扩展至数据源，实现数据与计算的端到端完整性和真实性，且开销极小。
2024-04-19 cs.CR cs.DC cs.LG
Towards Privacy-Preserving and Verifiable Federated Matrix Factorization
近年来，联邦学习（FL）迅速发展，这是一种新兴的隐私感知机器学习范式，允许在分布在多个参与者之间的孤立数据集上进行协作学习。FL的突出特点是参与者可以将其私有数据集保持在本地，并且只共享模型更新。最近，一些研究工作已经开始探索FL的矩阵分解（MF），在现代推荐系统和服务中使用的一种流行的方法的适用性。已经表明，在联邦MF中共享梯度更新会带来泄露用户个人评级的隐私风险，从而提出了保护共享梯度的需求。现有技术的局限性在于，它们会导致显著的准确性损失，或者依赖于重密码系统，并假设了弱威胁模型。在本文中，我们提出了VPFedMF，一个新的设计，旨在保护隐私和可验证的联邦MF。VPFedMF通过轻量级和安全的聚合来保证各个梯度更新的机密性。此外，VPFedMF雄心勃勃，新的支持联邦MF中的协调服务器产生的聚合结果的正确性验证。在真实世界的电影评级数据集上的实验证明了VPFedMF在计算，通信和准确性方面的实际性能。
2022-06-11 cs.CR
MPC-Friendly Commitments for Publicly Verifiable Covert Security
University of Oxford（牛津大学）；The Alan Turing Institute（艾伦·图灵研究所）；Google（谷歌）；University College London（伦敦大学学院）
我们解决的问题，有效地验证一个承诺在两方计算。这解决了一方P1向另一方P2提交要在随后的安全计算中使用的值$x$的情况，另一方P2想要接收P1没有欺骗的保证，即$x$确实是输入到安全计算中的值。我们的构造在可公开验证的隐蔽（PVC）安全模型中运行，这是MPC恶意模型的放松，适用于P1如果被发现作弊将面临声誉损害的环境。我们引入PVC承诺方案和索引哈希函数的概念，以建立专门针对PVC框架的承诺方案，并提出了算术和布尔电路的结构，从而产生非常有效的电路。从实用的角度来看，我们的布尔电路的结构是$60\times$更快的安全评估，并使用$36\times$更少的通信比基线方法的基础上散列。此外，我们表明，我们的结构是紧的所需的非线性操作，通过证明下界的非线性门数的承诺验证电路。最后，我们提出了一种技术，以放大我们的建设，允许有效地恢复恶意保证统计安全的安全属性。
2022-01-27 cs.AI cs.CR
Prism: Private Verifiable Set Computation over Multi-Owner Outsourced Databases
Dongguan University of Technology（东莞理工学院）；University of California, Irvine（加利福尼亚大学尔湾分校）；Augusta University（奥古斯塔大学）
本文提出了Prism，一种基于秘密共享的方法来计算私有集合运算（即，交集和并集），以及属于多个所有者的外包数据库上的聚合。Prism使数据所有者能够将数据预加载到非共谋服务器上，并利用秘密份额的加法和乘法属性来计算服务器（存储秘密份额）和查询器之间（最多）两轮通信中的上述操作，从而实现非常高效的实现。此外，Prism不需要服务器之间的通信，并支持每个操作的结果验证技术，以检测恶意对手。实验结果表明，Prism在数据所有者的数量和数据库大小方面都可以扩展，而以前的方法无法扩展。
2021-04-07 cs.CR cs.DB cs.DC
zkSAS: Practical Zero-Knowledge Proofs for Verifiable Spectrum Access Management
University of Kentucky（肯塔基大学）；Virginia Tech（弗吉尼亚理工大学）
针对频谱接入管理中集中式模型不透明和区块链模型隐私开销大的问题，提出zkSAS零知识证明系统，以轻量恒定时间验证实现合规且保护隐私的动态频谱共享。
2026-09-25 cs.CR
ARPA Whitepaper
我们提出了一种用于区块链网络的安全计算解决方案。利用信息论的消息认证码（MAC），即使在恶意多数条件下也能验证计算的正确性，并利用秘密共享保护隐私。通过最先进的多方计算协议和第2层解决方案，我们的隐私保护计算以加密方式保证了区块链上的数据安全，同时将繁重的计算工作减少到几个节点。这一突破对去中心化网络的未来有几个影响。首先，安全计算可用于支持私有智能合约，在不暴露公共合约中的信息的情况下达成共识。第二，它使数据能够在无信任网络中共享和使用，而不会在数据使用期间泄露原始数据，其中数据所有权和数据使用安全分离。最后但并非最不重要的是，计算和验证过程被分离，这可以被视为计算分片，这有效地使事务处理速度与参与节点的数量成线性关系。我们的目标是将我们的安全计算网络作为第二层解决方案部署到任何区块链系统中。智能合约\cite{smartcontract}将被用作连接区块链和计算网络的桥梁。此外，他们将被用作验证者，以确保外包计算正确完成。为了实现这一目标，我们首先开发了一个具有高级功能的通用MPC网络，例如：1）安全计算，2）链下计算，3）可验证计算，以及4）支持dApp的需求，如隐私保护数据交换。
2018-12-14 cs.CR
Experimental evaluation of digitally-verifiable photonic computing for blockchain and cryptocurrency
随着区块链技术和加密货币日益成为主流，维持这些分散平台运行的计算能力所需的不断增加的能源成本为更节能的硬件创造了市场。光子密码散列函数，它使用光子集成电路来加速计算，承诺在密码网络中验证交易和挖掘的能量效率。然而，与许多模拟计算方法一样，目前提出的光子加密哈希函数（承诺与比特币类似的安全保证）容易受到系统错误的影响，因此尽管数值精度很高（与低光电探测器噪声相关），但多个设备可能无法在计算上达成共识。在本文中，我们从理论上和实验上证明，一个更一般的家庭的强大的离散模拟加密哈希函数，我们介绍的LightHash，利用整数矩阵矢量运算的光子网状网络的干涉仪。LightHash的难度可以调整为足够容忍系统误差（校准误差、丢失误差、耦合误差和相位误差），并保留比特币协议中存在的固有安全保证。最后，超越我们的概念验证，我们定义了一个“光子存储”标准，并证明了CMOS光电子学（包括模数转换）的最新发展如何证明实现了强大的和数字可验证的光子计算的优势，并最终为分散的光子技术创造了一个新的市场。
2022-05-17 cs.CR cs.ET physics.optics
Verifiable Proof of Health using Public Key Cryptography
在目前的大流行中，检测仍然是监测和遏制疾病传播以及早期识别疾病以执行检疫、接触者追踪等健康相关干预措施的最重要工具。密码工具的最新进展使得建立一个安全且有弹性的数字身份系统成为可能。在这项工作中，我们建议建立一个端到端的COVID-19结果验证协议，该协议将隐私，计算和其他实际问题考虑在内，以设计一个可互操作的测试结果验证系统层，该系统可能实现不那么严格和更具选择性的锁定。我们还讨论了各种问题，包括安全，隐私，道德和公平方面的拟议系统。
2020-12-04 cs.CR cs.CY
Verifiable, Efficient and Confidentiality-Preserving Graph Search with Transparency
本文针对加密图搜索方案 PeGraph 缺乏透明性、计算开销大且不支持动态数据库和验证的问题，提出 SecGraph 和 VSecGraph，利用 SGX、LDCF 编码 XSet 与 Twin-TSet 实现高效、透明且可验证的动态加密图搜索。
2025-03-13 cs.CR cs.DB
A Survey of Zero-Knowledge Proof Based Verifiable Machine Learning
College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）；School of Computer Science and Cyber Engineering, Guangzhou University（广州大学计算机科学与网络工程学院）；School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息学院）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室）；School of Electronic and Optical Engineering, Nanjing University of Science and Technology（南京理工大学电子工程与光电技术学院）
本文综述了从2017年6月至2025年8月间发表的零知识机器学习研究，涵盖可验证训练、测试和推理三大核心任务，分析了实现瓶颈与改进技术，为可信隐私保护机器学习提供参考。
2026-03-29 cs.AI cs.CR cs.LG
Privacy-Preserving Mechanisms Enable Cheap Verifiable Inference of LLMs
Ritual；MIT（麻省理工学院）；Columbia University（哥伦比亚大学）
本研究提出隐私保护机制实现LLM推断的可验证性，通过低成本协议提高验证效率。
2026-02-19 cs.CR cs.LG
MathLedger: A Verifiable Learning Substrate with Ledger-Attested Feedback
CNU（中国矿业大学）
MathLedger通过整合形式验证、密码学证明和学习动态，提供一种可验证学习的基础，实现可审计的机器认知系统。
2025-12-22 cs.AI cs.CR cs.LG
Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning
Southwest Jiaotong University（西南交通大学）
本文提出一种轻量级方法，通过内在证明和后门注入实现可验证聚合，提高交叉多租户联邦学习中聚合完整性的保障，同时实现高效的验证和模型实用性。
2026-03-11 cs.AI cs.CR
Securing Quantum Computations in the NISQ Era
最近的实验成果激发了越来越多的公司开始感受到经典计算的局限性。然而，鉴于持续的隐私丑闻，未来通过远程访问服务器提供量子计算的可能性带来了特殊的挑战：具有量子有限能力的客户希望他们的数据和算法保持隐藏，同时能够验证他们的计算是否正确执行。对量子计算的盲授权和可验证授权的研究试图解决这个问题。然而，现有的技术不仅受到高开销的影响，而且还受到过度敏感的影响：当在嘈杂的设备上运行时，不完美会触发与恶意攻击相同的检测机制，导致永久中止计算。因此，虽然恶意量子计算机通过盲协议和可验证协议变得无害，但固有的噪声严重限制了它们的可用性。我们解决这个问题，一个有效的，强大的，盲目的，可验证的计划，委托确定性量子计算与经典的输入和输出。我们证明：1）恶意服务器最多可以以指数级小的成功概率欺骗; 2）在足够小的噪声的情况下，协议以指数级接近1的概率成功; 3）开销仅仅是与测试运行交织的初始计算的多项式次数的重复，所述测试运行在存储器和门方面需要相同的物理资源; 4）对于某些计算，由测试运行失败的概率测量的可容忍噪声量可以高达25%，并且当使用平面图资源状态时，通常将以12.5%为界。关键点是，可以在没有通用计算图的情况下提供安全性，并且在我们的设置中，不需要完全容错来将置信度指数级地放大到接近1。
2021-09-13 cs.CR quant-ph
Private and Secure Post-Quantum Verifiable Random Function with NIZK Proof and Ring-LWE Encryption in Blockchain
提出一种基于区块链的后量子VRF方案，采用Ring-LWE加密、NIZK证明和环签名，结合MPC与DID，通过NIST测试验证随机性，通过率达98.86%。
2024-02-07 cs.CR cs.DC
Secure, Verifiable, and Scalable Multi-Client Data Sharing via Consensus-Based Privacy-Preserving Data Distribution
School of Computer Engineering, KIIT University（KIIT大学计算机工程学院）；Department of Mathematics, Kathmandu University（加德满都大学数学系）
本文提出了一种基于共识的隐私保护数据分发（CPPDD）框架，该框架是一种轻量级且在设置后自动运行的协议，用于安全的多客户端数据聚合。该框架通过结合每个客户端的仿射掩码和优先级驱动的顺序共识锁定的双层保护机制，强制实施一致发布保密性。通过步骤（sigma_S）和数据（sigma_D）校验和实现去中心化完整性，从而在不需要持续协调的情况下实现自动恶意偏差检测和原子回滚。该设计支持标量、向量和矩阵负载，具有O(N*D)的计算和通信复杂度，可选边缘服务器卸载，并在N-1破坏情况下具有抗合谋性。形式分析证明了正确性、共识依赖完整性与公平性（CDIF）以及在偏差下的高概率回滚，并假设伪随机函数族的情况下证明了IND-CPA安全性。在MNIST衍生向量上的实证评估显示，可扩展性线性增长到N=500，每个客户端的计算时间亚毫秒级。该框架实现了100%的恶意偏差检测、精确的数据恢复以及与MPC和HE基线相比低三个到四个数量级的FLOPs。CPPDD在安全投票、联盟联邦学习、区块链担保和地理信息能力构建中实现了原子协作，解决了在受监管和资源受限环境中可扩展性、信任最小化和可验证多方计算的关键差距。
2026-05-20 cs.CR cs.DC cs.LG
Optimistic Verifiable Training by Controlling Hardware Nondeterminism
Stanford University（斯坦福大学）
本文提出一种通过高精度训练、中间舍入及自适应阈值共享舍入决策来控制GPU非确定性的方法，在三种NVIDIA GPU上实现ResNet-50和GPT-2的FP32精确训练复现，显著降低可验证训练的存储与时间成本。
2024-11-25 cs.AI cs.CR cs.LG
Private, Verifiable, and Auditable AI Systems
MIT Media Lab（麻省理工学院媒体实验室）
本研究针对基础模型等现代AI的隐私、可验证性与可审计性协同问题，结合政策与技术研究识别风险，提出基于零知识密码学、安全多方计算等的技术方案，为AI系统设计及治理提供参考。
2025-08-27 cs.AI cs.CR cs.CY
VerifBFL: Leveraging zk-SNARKs for A Verifiable Blockchained Federated Learning
University of La Rochelle（拉罗谢尔大学）
本文提出 VerifBFL 框架，结合区块链、zk-SNARKs、IVC 与差分隐私，实现联邦学习本地训练和聚合的链上可验证性，并通过概念验证证明其高效性。
2025-01-08 cs.CR cs.DC cs.ET
