XiaoMi-AI文件搜索系统
World File Search SystemProof
可扩展的零知识证明，用于验证区块链应用中的加密哈希在Oleksandr Kuznetsov 1,2,3，Anton Yezhov 4，vladyslav
抽象的零知识证明（ZKP）已成为解决现代区块链系统中可扩展性挑战的有前途解决方案。本研究提出了一种生成和验证ZKP的方法，以确保加密散布的计算完整性，特别是专门针对SHA-256算法。通过利用FLONKY2框架，该框架通过FRI承诺方案实现了PLONK协议，我们证明了方法对从近区块链中的随机数据和真实数据块的方法的效率和可扩展性。实验结果表明，不同数据尺寸和类型的性能一致，证明生成和验证所需的时间保持在可接受的限制范围内。即使对于拥有大量交易的现实世界数据块，生成的电路和证明也可以保持可管理的大小。所提出的方法有助于开发安全且值得信赖的区块链系统，可以在不揭示基础数据的情况下验证计算的完整性。需要进一步的研究来评估该方法对其他加密原始原始物的适用性，并在更复杂的现实世界情景中评估其性能。关键字1零知识证明，区块链，可扩展性，加密哈希1.简介
利用量子粒子动力学的物理要求改进玻恩规则的证明
玻恩规则是量子力学的一个公设，它提供了量子系统概率论的结构，因此，它在量子系统的理论和实验研究中都起着关键作用。多年来，人们进行了多次尝试来证明或至少追踪玻恩规则背后的机制 [ 1 – 7 ]。尽管我们没有回顾证明玻恩规则方向的最新成果，但我们可以指出，Vaidman 在 [ 2 ] 中发表了一篇回顾这一主题的最新论文。在 [ 1 ] 中，玻恩规则的证明遵循了关于系统对小扰动的稳定性的假设，该假设只对可能的结果成立，对不可能的结果不成立，比如系统中 N >> 1 个解耦粒子的振幅之间存在大的相干干涉效应的情况。所提出的证明改进了 [ 1 ] 中给出的证明，通过施加一个动态物理要求，该要求适用于每个量子系统以及可能和不可能的结果。我们首先使用数学参数证明 Born 规则，然后说明如何将证明过程中的假设重新表述为关于量子系统动力学的物理要求。设 | ψ ⟩= jbjaj 为粒子的预备态，形式为某个 Hermitian 算子 A 的非简并本征态的叠加。取 N 个相同预备的非纠缠粒子样本，状态为 | ψ ⟩ ，该样本的状态由乘积状态给出
可持续性的数字原始证明
EIDAS 2.0修订与自我主张身份（SSI）原则保持一致 - 既提倡在管理其数字身份方面增强了隐私，安全性和用户自主权。而不是具有安全性和隐私问题的集中身份，而是直接由公民存储，提供了高度的安全性和便利性，同时改善了对个人数据披露的控制。通过数字钱包进行了交叉提供数字身份证书的方便，安全和有效的管理，可以实现广泛的应用程序，例如无密码到网站的无密码登录或与公司和政府服务的有效互动。此范式还提供了新的可能性，例如对身份属性的选择性披露或服务提供商的身份证明证明的自动验证能力。除了对人员的数字身份外，SSI还可以为机器和组织提供身份证明，从而扩展了现有的身份管理系统。为了进一步探索基于SSI的身份管理的潜力，德国政府参与了多个SSI项目，例如由德国联邦经济和气候保护部资助的四个Showcase安全的数字身份。
基于晶格的顺序假设和顺序工作的证明
这项工作完全打破了基于候选晶格的顺序工作证明（POSW）（POSW）的依次假设（以及其广泛的概括），该证明是由Lai和Malavolta在Crypto 2023上提出的。此外，它破坏了POSW的本质相同的变体，该变体与原始变体不同，仅在一个任意选择中与设计和安全性证明（在伪造的假设下）无关。这表明原始POSW可能具有的任何安全性都是脆弱的，并进一步激励基于基于晶格的假设来寻找建筑。具体而言，对于顺序性参数t和sis参数n，q，m = n log q，对顺序性假设的攻击找到了仅在仅在QuasipolyNomial Norm M log tt⌉（或norm o（√m）⌈logt⌉t⌉t⌉t⌉t⌉t⌉t⌉（差异）中，仅在GOOLANITHMIC -ogarithMic -ogarithmic〜o o n，q o n，q n，q（log）tt⌉中。这强烈伪造了这样的假设，即找到这种溶液需要在t中进行深度线性。（〜o n符号隐藏了在其下标出的变量中的多聚群因子。）另外，对于任何常数ε> 0，攻击在深度〜o o n，q（tε）中找到多项式标准m 1 /ε的解决方案。同样，对（稍微修改）POSW的攻击构建了一个有效的证据，以pologogarithmic〜o o n，q（log 2 t）深度构建，因此强烈伪造了这样做需要线性顺序工作的期望。
超越ABC的未来证明您的孩子Richard Yen_replace博士
我意识到如果我付出一些努力，我可以改善。 我只开始在大学和上表现出色我意识到如果我付出一些努力，我可以改善。我只开始在大学和
质量证明：无信任的生成AI模型推断区块链
抽象生成的AI模型（例如GPT-4和稳定的扩散）在自然语言和图像任务中表现出强大而破坏性的功能。但是，将这些模型部署在分散环境中仍然具有挑战性。与传统的集中部署不同，从系统上保证了在完全分散的环境中AI模型服务的完整性，特别是在无信任的区块链上，既重要又困难。在本文中，我们提出了一种称为质量证明（POQ）的新推论范式，以使在区块链体系结构上的任意大型生成模型中部署。与基于验证推理程序（例如ZKML或OPML）的传统方法不同，我们的POQ范式着重于模型推理的结果质量。使用基于BERT的轻质跨编码器作为我们的基本质量评估模型，我们设计和实施PQML，这是对区块链现实世界中NLP生成模型推断的第一个实用协议，该模型针对流行的开源模型量身定制，例如Llama 3和Mixtral。我们的分析表明，我们的协议对生态系统中的对抗性但理性的参与者具有牢固的态度，在这种情况下，与行为良好的参与者相比，懒惰或不诚实的行为较少。验证质量评估的计算开销很小，即使仅使用CPU，也可以在几秒钟内完成质量检查。初步仿真结果表明，POQ共识以毫秒为单位生成，比任何现有方案都快1,000倍。
流式零知识证明
流式交互式证明（SIPS）启用了一种由空间构造的算法，该算法可以一通访问大量数据流，以通过与强大但不受信任的供体通信，验证需要大空间的计算。这项工作启动了对数据流的零知识证明的研究。我们在流设置中定义了零知识的概念，并为流互动证明文献中的两个主要算法构建块构造了零知识SIP：Sumcheck和多项式评估协议。我们最好的知识，所有已知的流互动互动证明都是基于这些工具中的一种，实际上，这使我们能够获得零知识的SIP，以解决中心流问题，例如索引，点和范围查询，中位数，频率力矩和内部产品。我们的协议在时间和空间方面和通信方面都是有效的：验证算法的空间复杂性是Polylog（n），在使用随机的接近线性长度的非相互作用设置后，其余参数为n o（1）。在途中，我们开发了一个用于设计零知识数据流托管的算法工具包，由代数流承诺协议和时间承诺协议组成。我们的分析依赖于平均案例沟通复杂性的微妙代数和信息理论论证和依赖。
催产素增强的基于模块化的孤独感：概念验证随机对照试验
德国波恩大学医学院的精神病学和心理治疗系； B德国奥尔登堡大学医学与健康科学学院精神病学系； C以色列海法海法大学心理学系； D鲁尔大学伯丘姆（Bochum）的心理学学院，德国博丘姆（Bochum）； E德国心理健康中心（DZPG），德国Bochum； F德国弗雷堡大学医学院医学中心医学中心精神病学和心理治疗系；德国波恩的波恩大学经济学和神经科学中心； h德国波恩大学医学院实验性癫痫学和认知研究所；我的医学心理学部门，精神病学和心理治疗系，德国波恩大学医学学院； J Ruhr University Bochum，Bochum，德国Bochum的医学学院社会神经科学系； K研究中心的一名健康鲁尔大学联盟鲁尔，鲁尔大学，德国博丘姆大学
