sha256零知识证明constraints对比-白红宇

sha256零知识证明constraints对比

阅读量：313 次

发布时间：2019-03-01

本文共 351 字，大约阅读时间需要 1 分钟。

在2016年，使用libsnark的deprecated-master版本进行测试时，记录的性能数据如下：

测试环境：Intel® Core™ i7-3770S CPU @ 3.10GHz

密钥生成时间：11.6551秒

证明生成时间：3.0884秒

验证时间：0.0262秒

证书大小：2294位

证明密钥大小：102284136位

验证密钥大小：4586位

R1CS约束数量：56101（主要为sha256相关）

2019年，进一步优化了性能表现：

例子	描述	约束数量
高级SHA-256实现	该实现编译生成了优化后的电路，与手动低级别库生成的电路类似。	25538

从2016年到2019年，证明性能得到了显著提升，特别是在证明生成时间和验证时间方面。同时，证书大小和证明密钥大小也得到了优化。

转载地址：http://vuqx.baihongyu.com/

你可能感兴趣的文章

opencv_core.dir/objects.a(vs_version.rc.obj)‘ is incompatible with i386:x86-64 output

查看>>

opencv——图像缩放1（resize）

OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些？

查看>>

OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !

查看>>

OpenCV与AI深度学习 | CoTracker3：用于卓越点跟踪的最新 AI 模型

查看>>

OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法

查看>>

OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍

查看>>

OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度

查看>>

OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) ：直接拼接

查看>>

OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三)：基于特征匹配拼接

查看>>

OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) ：基于模板匹配拼接

查看>>

OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四)：基于Stitcher类拼接

查看>>

OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测（建议收藏！）

查看>>