BabySNARK Tutorial
零知识证明由于其本身陡峭的入门学习曲线，往往被初学者称为 moon math。为了平缓学习曲线，减轻入门压力，babysnark[1]应运而生，本文将作为 babysnark 原理部分的一个解读版，帮助你更好的理解 snark 背后的一些基本概念和直觉。在阅读本文之前，希望你已经读过# 从零开始学习 zk-SNARK[3]系列的前 4 部分，对包括有限域、椭圆曲线等相关知识有一个基本的了解。
R1CS
比如我们有这样一段程序：
def qeval(x):
y = x**3
return x + y + 5
我们知道程序执行实际上是 CPU 中的乘法门和加法门组合运算得到的。那么上面的程序可以看成是类似是下面的这个图，有一些输入变量和中间运算过程，最后得到输出。
为了更好的表示中间过程是如何执行的，我们需要将上述程序拆分写成如下形式，左侧是中间运算的输出结果，右侧可以看成中间运算的输入：
sym_1 = x * x
y = sym_1 * x
sym_2 = y + x
~out = sym_2 + 5
为什么我们输入一定要写成两个变量而不能是三个或者多个变量呢？具体限制原因可以从限制运算[4]中找到答案。简单来说，多项式的算数性质有在某一个具体的点上，左操作数和右操作数相乘等于输出结果。而这个约束特点使得每一次输入只能是两个数的形式，如果一次有多个变量作为输入，可以分别将其拆分成两两组合。
有了这样的直觉之后我们可以来看一下R1CS（Rank 1 constraint system）的具体定义:
给定三个 m 行 n 列的矩阵 , 和一个 维向量 定义了一组 m个方程，每个方程的形式如下:
其中 , 表示矩阵和向量的乘积, 表示 的第 个元素。等价地，我们可以使用 Hadamard 积（逐元素相乘）来表示整个系统：
其中○表示 Hadamard 积。
其中 A 可以看作是左操作数的全局结果的矩阵表示，B 可以看成是右操作数全部结果的矩阵表示。C 是运算结果的全部结果的矩阵表示。接下来让我们一步一步将上述 4 个等式转变成矩阵的 Hadamard 积的形式。
假设我们将上述 4 个等式的输入输出变量按如下顺序排列：
'~one', 'x', '~out', 'sym_1', 'y', 'sym_2'
那么对于第一个等式
sym_1 = x * x
左操作数 a，右操作数 b 和最后结果 c 可以分别表示成如下向量形式
a = [0, 1, 0, 0, 0, 0]
b = [0, 1, 0, 0, 0, 0]
c = [0, 0, 0, 1, 0, 0]
然后向量和上述 6 个变量相乘，就可以还原出第一个等式了。类似的，我们对等式 2，3，4 做同样的处理，最终可以得到矩阵 A,B,C:
A
[0, 1, 0, 0, 0, 0]
[0, 0, 0, 1, 0, 0]
[0, 1, 0, 0, 1, 0]
[5, 0, 0, 0, 0, 1]
B
[0, 1, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0]
[1, 0, 0, 0, 0, 0]
[1, 0, 0, 0, 0, 0]
C
[0, 0, 0, 1, 0, 0]
[0, 0, 0, 0, 1, 0]
[0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0]
通过上述操作，我们就将一段程序转换成了 R1CS 的形式。
多项式插值
在实际的零知识证明系统中，不管具体零知识证明算法是哪种，总要有一个 validator 发出一个随机数作为 challenge，然后 prover 接受这个随机数作为系统输入，然后返回一个输出结果。validator 拿到输出结果看是否和挑战的随机数满足某种对应关系，如果满足就认为 prover 确实掌握了某种知识。为了实现 validator 可以找任意随机数，所以我们就有必要 R1CS 的约束关系转换成多项式的形式。
比如对于之前的矩阵A而言，如果竖着按列看，其实其对应的就是之前文中所说的 6 个变量
'~one', 'x', '~out', 'sym_1', 'y', 'sym_2'
比如说，对于 one 变量而言，其在上述 4 个等式（即4种约束关系）中所组成的向量为
~one: [0, 0, 0, 5]
如果将其在笛卡尔坐标系中表示，假设我们选取 x 为 1，2，3，4，那么该 one 所组成的多项式应该经过 (1,0), (2,0), (3,0), (4,5) 这 4 个点。在笛卡尔坐标系中，我们对于做操作数和有操作数以及结果的所有 x 坐标只要满足一致关系，他们所组成的多项式都满足 R1CS 约束关系。基于上述特点，我们可以对 6 个变量选定一致的 x 坐标然后使用插值的方式得到多项式的形式。下面是我们选定 x 坐标是 1，2，3，4 得到的矩阵 A 的多项式表示形式：
A polynomials
[-5.0, 9.166, -5.0, 0.833]
[8.0, -11.333, 5.0, -0.666]
[0.0, 0.0, 0.0, 0.0]
[-6.0, 9.5, -4.0, 0.5]
[4.0, -7.0, 3.5, -0.5]
[-1.0, 1.833, -1.0, 0.166]
即 one 可以表示为：
其他变量的 R1CS 转换也同理。
QAP
这种转换成的多项式新形式称之为 QAP（Quadratic Arithmetic Program）我们来看一下 QAP 的具体定义。
定义(QAP): 一个在域 上的二次算术程序 包含三种 多项式：
其中 ，以及一个目标多项式 。
假设 是一个算术程序，它以 个 的元素为输入并输出 个元素，总共有 个 I/O 元素。那么，当且仅当存在系数 使得 可以整除 时， 是 的输入和输出的有效赋值，其中：
布尔电路
通常情况下一般的通用 snark 算法使用的是 QAP 来去表示程序，但如果程序是一些特殊问题，比如输入程序可以表示为布尔电路，那么 QAP 实现就可以更加简单一点。首先我们来看一下布尔电路的特点：
从图中可以看到不管是哪一种的门，最终的输出结果一定是落在 [0, 2] 区间之内。具体来说：任何一个 2 输入的二进制门电路 ，其中输入为 ，输出为 ，都可以使用门电路的输入和输出的仿射组合 来指定，当输入输出满足门电路的逻辑规范时，它只能取两个值， 或 。这导致了一个等效的单一的“平方”约束 。
SSP
根据上述布尔电路的特点，一般的 QAP 约束在布尔电路中就转换成了 SSP（Square Span Program）约束。我们来看一下 SSP 的具体定义：
定义(SSP)：在域 上的一个方形跨度程序(SSP) 是由 个多项式 和一个目标多项式 组成的元组，使得对所有 ，都有 。我们说方形跨度程序 SSP 的大小为 ，并且度数为 。当且仅当存在 ，使得 能够整除 时，我们称 SSP 接受输入 ，其中：
我们说 SSP 校验了布尔电路 ，如果它仅接受那些满足 的输入值 。
再进一步，我们可以根据 SSP 而具体的布尔电路构造方形约束系统(Square Constraint System)。我们首先来看一下 SCS 的定义：
定义SCS: 方形约束系统由一个矩阵 定义。如果满足以下条件
其中 表示 Hadamard（逐元素）乘积，那么向量 是此系统的解。我们也将 写为 。
我们可以看一个具体的例子，比如我们有 3 个布尔元素分别是 ：对于布尔元素而言，比如说 要么为 0，要么为 1。注意到
这意味着 ，从而推导出 。其他元素也是同理。对于 为
综合上述内容，一个包括上述导线和门的方形约束程序将采取以下形式：
babysnark
介绍了这么多，终于到 babysnark 了。babysnark 是对布尔电路所构造的一种 snark。相比于 QAP 而言，SSP 更简单，所以实现整个 snark 所需的约束也更少。具体来说一共有两个约束，第一个是 SSP 约束：
不需要做太多解释，第二个约束是线性约束：
这个和 babysnark 具体设计有一些关系。 的值是由 prover 直接计算的，而 的值来自于 setup 阶段。设置线性约束的目的是确保 确实是由同一线性多项式计算出来的，防止 prover 作弊，恶意构造 而不是赖在 setup 所提供的随机 challenge 构造的 ，最终破坏 SSP 约束。因为 prover 最后输出证明的时候同时提供了 和 在 verify 阶段添加 是为了防止证明者输出特别恶意构造的 B=YV，所以再做一次线性约束。
babysnark 的随机挑战 采用的是 的形式，该构造形式的安全保证来自 q-DLOG 假设。q-DLOG 假设确保即使敌手可以在多个点上观察到多项式的值，他们也无法从多项式的结构中提取任何信息。
至此，我们对 babysnark 的原理部分做了详细的探讨。希望通过深入浅出的方式介绍这一简易的 snark，能为你的零知识证明学习之旅提供坚实的基石。
Reference
[1] BabySnark do do do:https://github.com/initc3/babySNARK/tree/master
[2] quadratic-arithmetic-programs-from-zero-to-hero:https://medium.com/@VitalikButerin/quadratic-arithmetic-programs-from-zero-to-hero-f6d558cea649
[3] 从零开始学习 zk-SNARK（三）——从程序到多项式的构造:https://secbit.io/blog/2020/01/08/learn-zk-snark-from-zero-part-three/
[4] 限制运算：https://secbit.io/blog/2019/12/25/learn-zk-snark-from-zero-part-one/
[5] zk-SNARKs: A Gentle Introduction:https://www.di.ens.fr/~nitulesc/files/Survey-SNARKs.pdf
投稿请联系：qijin@antalpha.com
Antalpha Labs 是一个非盈利的 Web3 开发者社区，致力于通过发起和支持开源软件推动 Web3 技术的创新和应用。
官网：https://labs.antalpha.com
Twitter：https://twitter.com/Antalpha_Labs
Youtube：https://www.youtube.com/channel/UCNFowsoGM9OI2NcEP2EFgrw
联系我们：hello.labs@antalpha.com