盘点当前ZK领域最新用例
1/
ZK越来越多地见证了Web3的采用。扩容和隐私是ZK目前最常见的两个用例，然而，ZK有更多的潜力，可以实现更多的创新用例。那么，目前已经出现了哪些新的ZK用例?
2/
随机性：ZK可以与VDF(可验证延迟函数)相结合，在区块链上实现完全安全的随机性。虽然以太坊上有许多随机原语，但它们略有缺陷，如偏倚性、成本高、额外的信任假设。
3/
通过结合snark和VDF，@paradigm开发了一个ETH原生的、与VDF兼容的随机信标，由RANDAO和可插入的区块哈希预言机提供支持。
相关链接：https://t.co/phhvsMbBpF
4/
验证链下数据： @SpaceandTimeDB使用SQL证明，允许数据仓库生成SQL查询执行的SNARK证明，证明查询计算是准确完成的，并且查询和数据都是可验证防篡改的。
5/
在数据库(DB)的情况下，网络中的每个数据库节点都不可能运行相同的query一千次并达成共识。SQL证明允许开发人员将交易查询和可扩展分析的结果直接连接到他们的智能合约。
6/
DeFi安全：zkPoEX（零知识漏洞证明）由@zkoranges提出，@zkLumi 获得ETHDenver的第一名，使白帽黑客能够报告智能合约中的实时漏洞，同时保持漏洞的机密性。
相关链接：https://t.co/mMvxVKnF7Z
7/
这可以允许审计人员在不暴露实际漏洞的情况下安全地生成ZK漏洞证明。
审计员可以证明他们知道某个交易可以在某些合约中产生不良的状态变化，而不需要透露漏洞的具体细节。
8/
ZK-email 验证：由@yush_g 和@sampriti0在@0xPARC 构建，ZK-email允许用户匿名验证电子邮件签名，同时遮盖他们想要的任何数据。它可以让用户使用电子邮件证明他们拥有某个特定的Twitter处理程序。
相关链接：https://github.com/zkemail/zk-email-verify
9/
Github贡献证明：zkRepo允许用户创建一个证明，证明其对某个Github仓库做出了贡献，而无需透露自己的身份。DAO可以用它来奖励github贡献者，贡献者可以保持其匿名性。相关链接：https://t.co/oMqIlyzTt4
10/
存储证明：@HerodotusDev正在使用ZK构建存储技术，以实现同步跨层数据访问以太坊。使用该技术，开发者可以构建能够同步读取L2上的L1状态、L1上的L2状态和L2上的L2状态的合约。
11/
位置验证：zkMaps通过@BlakeMScurr，@0xPetra，@ronerlih可用于验证用户是否在某个地理区域内，而无需泄露其确切位置。
相关链接：https://t.co/OokVdkHWBJ
12/
隐私链上投票：@Poseidon_ZK构建DeFROST，以启用隐私投票@nounsdao，设计者@0xDigitalOil，@shumochu，@Boyuan_Feng，@brandonhgomes，它支持直接使用多签投票，也支持委托投票。
13/
ZK支持的虚拟机：虽然大多数L2（如@Scroll_ZKP、@zksync、@taikoxyz、@Polygon zkEVM、@Starknet）正在构建zkEVM，但ZK也可以用于构建其他虚拟机，如zkWASM。
14/
Wasm是W3Cworkgroup开发的Web浏览器标准，包括@Google、 @mozilla、@Meta、@intel, 以及@Microsoft 。开发它的目的是使代码可以部署在任何浏览器中，并产生相同的结果。它目前已被web2技术巨头广泛采用。
15/
@figma采用Wasm技术将加载时间缩短了3倍，Google Earth采用了Wasm技术使得在非Chrome浏览器上也能使用Google Earth，@1Password在切换到Wasm技术后，在显示大量表单的网站上获得了13-39倍的速度提升，@Adobe在2021年使用Wasm技术将Photoshop公测发布到web端。
16/
zkWASM可以使开发者用自己喜欢的语言编写ZKP应用程序，用户可以在浏览器中运行。@DelphinusLab, @zkwasm, @OrochiNetwork这些顶级团队正在研究该领域。
17/
身份系统：数字身份是一个很难解决的问题。事实上，几乎所有的身份系统本质上都需要隐私，这使得ZK成为开发安全、私有的身份系统的良好选择，它可以消除中心化的参与者。
18/
zk身份堆栈由3个主要层组成：发行者、状态、数据可用性层。一些利用ZK为用户提供链上身份的知名团队为@0xHolonym，@getoutdid, @zCloakNetwork, @worldcoin, @zkPass, @Sismo_eth。
19/
ZK机器学习(ZKML)：是一个备受关注的研发领域。随着机器学习应用的爆炸式增长，机器学习的信任问题变得越来越重要。虽然ZKML需要自己的线程，但我将简要地提到一些在它上面工作的项目。
20/
ML模型使用的模型参数和输入通常是私有的，这要求模型用户信任模型所有者。机器学习模型本身通常是一个运行在庞大数据集上的黑盒，容易受到偏见甚至歧视的影响。
21/
ZKML可用于模型真实性，模型完整性，将外部验证方的证明集成到模型中，以去中心化推理或训练。
22/
ezkl library由@zkonduit @jasonmorton开发，允许任何人使用ONNX导出的ML模型创建ZK证明。这使得任何ML工程师都可以创建其模型推理步骤的ZK证明，并向任何验证者证明输出结果。
23/
@gensynai正在构建一个去中心化的计算系统，用户可以在其中输入公共数据，并由去中心化的节点网络训练其模型，并验证训练的正确性。
24/
@ModulusLabs对链上推理的不同证明系统进行了基准测试，还开发了一个完全链上的人工智能棋手，并创建了一个交易机器人。@Starknet使用人工智能进行决策。
25/
这并不是所有用例的详尽列表。本文只是试图记录一些应用程序，以突出ZK的潜力。这些可以作为提出新用例的灵感来源，并使Web3距离大规模采用更近一步。
