Vitalik Buterins nieuwe favoriet: wat is het GKR-protocol?

Ethereum mede-oprichter Vitalik Buterin heeft onthuld zijn groeiende interesse in een cryptografisch raamwerk dat bekend staat als de Goldreich-Kahan-Rothblum (GKR)-protocolHij beschrijft het als een belangrijk onderdeel van de technologie die veel van de snelste moderne auto's aandrijft. zero-knowledge (ZK) bewijs oplossingen.

In zijn recent artikelButerin legt uit dat GKR de kosten van bewijsvoering drastisch kan verlagen door de noodzaak voor het verwerken van tussenliggende datalagen weg te nemen. In plaats daarvan richt het zich alleen op input- en output-verbintenissenwaardoor berekeningen veel efficiënter uitgevoerd kunnen worden.

Simpel gezegd, GKR zorgt ervoor dat ZK-provers (hulpmiddelen die bewijzen dat berekeningen correct zijn uitgevoerd) sneller en goedkoper werken.

De basis: wat het GKR-protocol doet

Het GKR-protocol is een cryptografisch bewijssysteem Ontworpen om complexe berekeningen met minder werk te verifiëren. Het is bijzonder efficiënt voor taken waarbij veel kleine bewerkingen over meerdere lagen worden herhaald, zoals hashingfuncties of neurale netwerkverwerking.

In plaats van elke stap van een berekening vast te leggen, vereenvoudigt GKR het proces. Het controleert alleen de begin- en eindpunten en slaat het meeste over wat ertussen gebeurt. Dit ontwerp maakt het een natuurlijke match voor beide. ZK-bewijzen en  machine learning inferentiebewijzen, die vergelijkbare structurele patronen delen.

Dit concept van "batch × multi-layer computing" vormt de basis van de efficiëntie van GKR. Het verwerkt grote datasets via meerdere lagen, maar vermijdt overbodige cryptografische verplichtingen en behoudt alleen het essentiële.

Waarom GKR belangrijk is voor zero-knowledge-bewijzen

Zero-knowledge proofs staan ​​centraal in de schaalbaarheidsplannen van Ethereum op de lange termijn. Ze stellen één partij in staat om te bewijzen dat een berekening correct is, zonder alle betrokken gegevens te tonen. Maar de meeste ZK-systemen – zoals SNARK's of STARK's – verbruiken veel rekenkracht omdat ze elke rekenlaag moeten verwerken.

Het GKR-protocol pakt dit knelpunt aan.

Volgens Buterin, wanneer gebruikt voor het bewijzen Poseidon2 hash-functies, GKR kan de overhead van theoretische bewijsvoering verminderen 100x tot ongeveer 10x—een enorme verbetering ten opzichte van traditionele STARKs.

Simpel gezegd kan het ZK-proeven 10 keer sneller en goedkoper maken.

Ontdek veelbelovende projecten...

Veelbelovende projecten...

(Advertentie)

Artikel gaat verder...

De belangrijkste componenten achter de efficiëntie van GKR

1. Minder verplichtingen

Traditionele STARK-bewijzen vereisen commitments – cryptografische samenvattingen – op elke tussenlaag van een berekening. Elke commitment omvat zware hashing en polynomiale bewerkingen.
GKR vermijdt dit door zich alleen te committeren aan ingangen en uitgangen, waardoor duizenden bewerkingen per proef worden bespaard.

2. Het Sumcheck-protocol

In het hart van GKR ligt somcontrole, een methode om te verifiëren of een grote berekening correct is uitgevoerd, zonder deze opnieuw te hoeven doen.

Elke 'ronde' van een somcontrole bevestigt dat specifieke wiskundige relaties gelden voor alle datalagen. Dit proces is lichtgewicht en  parallelliseerbaar, wat betekent dat het goed schaalbaar is op GPU's of multi-core CPU's.

3. Gruen's truc en lineaire batching

Buterin noemt ook optimalisaties zoals Gruen's truc en  lineaire batching, wat de geheugen- en rekenkosten verder verlaagt. Deze methoden maken het mogelijk om meerdere, vergelijkbare berekeningen te delen in plaats van ze afzonderlijk te herhalen.

4. Gedeeltelijke rondes en Poseidon2-hashing

In zijn artikel gebruikt Buterin de Poseidon2 hash-functie als praktisch voorbeeld. Poseidon2 wordt vaak gebruikt in ZK-systemen vanwege het rekenvriendelijke ontwerp. GKR optimaliseert het met gedeeltelijke rondes—lichtere wiskundige cycli die alleen de kubieke eerste elementen behouden — wat tijd bespaart zonder de bewijsintegriteit te verminderen.

Hoe GKR integreert met andere protocollen

Het GKR-raamwerk kan worden gecombineerd met andere bewijssystemen zoals Basisvouw en  VR (Fast Reed-Solomon Interactive Oracle Proofs of Proximity). Deze integraties zorgen ervoor dat GKR-gebaseerde bewijzen sterke polynomiale verplichtingen, een vereiste voor veel schaalbare ZK-implementaties.

In deze opstellingen fungeert GKR als de ‘motor’ voor de berekeningen, terwijl systemen als BaseFold of FRI de gegevenscodering en de consistentie van de verificatie afhandelen.

Vergelijking van GKR met STARK's

STARK's (Scalable Transparent Arguments of Knowledge) zijn lange tijd de standaard geweest voor transparante ZK-bewijzen. Ze zijn veilig en betrouwbaar, maar kosten veel rekenkracht.

Buterin schat dat GKR de theoretische kosten met 50% verlaagt. tot 100x vergeleken met traditionele STARK-gebaseerde systemen. Implementaties in de praktijk laten zelfs betere resultaten zien, soms onder 10x overhead.

Hij merkt echter op dat deze cijfers afhankelijk zijn van hardware-optimalisatie. In de praktijk kan geheugenverschuiving tijdens somcontroles de boel vertragen, maar omdat de structuur van GKR zeer parallel is, schalen de prestaties nog steeds beter dan bij standaard hashingmethoden.

Niet op zichzelf nulkennis

Eén cruciaal onderscheid: GKR is op zichzelf geen zero-knowledge-protocol. Het zorgt voor beknoptheid—wat betekent dat het bewijsmateriaal kleiner en sneller wordt—maar het verbergt geen informatie.

Om de privacy te vergroten, kunnen GKR-bewijzen in een envelop worden verpakt. ZK-SNARK or ZK-STARK systeem. Dankzij deze gelaagdheid kunnen ontwikkelaars de prestatieverbeteringen van GKR combineren met de vertrouwelijkheidsvoordelen van echte zero-knowledge-bewijzen.

De praktische toepassingen van GKR

Vitalik benadrukt hoe het ontwerp van GKR geschikt is voor een breed scala aan rekenintensieve taken. Voorbeelden hiervan zijn:

• Hash-verificatie: wat bewijst dat miljoenen hashes correct zijn berekend.
• Blockchain-validatie: waardoor snellere ZK-EVM-beproeving voor Ethereum Layer 1 mogelijk wordt.
• Bewijzen voor machinaal leren: het verifiëren van grote inferentiestappen in taalmodellen met minimale berekeningen.

Omdat GKR zowel cryptografische als AI-achtige berekeningen ondersteunt, zou het een cruciale rol kunnen spelen in ZK-ML (zero-knowledge machine learning) systemen.

De Fiat-Shamir-uitdaging: voorzichtigheid geboden

Buterin voegt er ook een waarschuwing aan toe. Hoewel GKR berekeningen versnelt, heeft de efficiëntie ervan een keerzijde:voorspelbaarheidsrisico in bepaalde circuits die de Fiat-Shamir-heuristiek.

Deze methode zet interactieve bewijzen om in niet-interactieve bewijzen met behulp van hashfuncties, maar bij onzorgvuldige implementatie kan dit leiden tot voorspelbare willekeur, wat de beveiliging verzwakt. Buterin adviseert een zorgvuldig circuitontwerp om dergelijke kwetsbaarheden te voorkomen.

Conclusie

Het GKR-protocol vertegenwoordigt een verschuiving in de manier waarop cryptografische bewijzen worden gestructureerd. In plaats van zich te veel te committeren aan elke tussenstap, stroomlijnt het het proces tot alleen de essentiële elementen.

Voor Ethereum en andere blockchainsystemen die op zoek zijn naar snellere en goedkopere verificatie, biedt GKR een praktische oplossing. Het is geen marketingbelofte, maar een reeks wiskundige technieken die nu al de basis vormen voor de volgende generatie supersnelle beproevingen op het gebied van ZK en AI.

Informatiebronnen

1. Een GKR-tutorial - artikel door Vitalik Buterin: https://vitalik.eth.limo/general/2025/10/19/gkr.html

2. Vitalik Buterin X platform: https://x.com/VitalikButerin

3. Over Zero Knowledge-bewijzen: https://www.chainalysis.com/blog/introduction-to-zero-knowledge-proofs-zkps/