表现
RD 热度指数
RD 增长指数
对比
关注更新
关注列表
人物
关于EZKL
EZKL 是一个面向开发者的工具包，能把深度学习模型转换成零知识证明。它的核心业务是让用户证明某个 AI 模型在私有数据上运行正确，同时不泄露数据本身或模型参数。主要价值在于打通 AI 和密码学：它把标准 ONNX 计算图转换为基于 Halo2 的 SNARK 电路，从而支持在链上、浏览器或边缘设备上进行可验证推理。
它解决的市场痛点是 AI 领域的信任缺口：用户无法验证模型输出是否真实，数据所有者也不愿分享敏感输入。EZKL 通过密码学手段保证计算完整性，同时保护隐私。其竞争优势在于易用性——无需电路设计专业知识——以及实用的部署选项，包括 Solidity 验证器和 JavaScript 工具。
近半年（2026-02-28 至 2026-08-31），EZKL 重点通过 Lilith（云端服务）扩展证明生成能力，将繁重计算外包。它还引入了协作式 SNARK（co-SNARK），允许两方在不向对方透露私有输入的情况下共同生成证明——这对多方 AI 场景是重要进展。项目保持了经审计的代码库，并持续扩展生态集成。一个明显局限是：对于非常大的模型，证明生成仍然计算开销高，且工具使用需要一定密码学基础，不过团队正在积极降低这一门槛。
近半年（2026-03-01 至 2026-09-01）重要进展：
推出协作式SNARKs（cosnarks），允许多方在不泄露各自私有数据的情况下共同生成零知识证明。该实现由Halo2共同作者Ying Tong Lai主导，现已集成到EZKL中，可复用现有证明/验证密钥，几乎无需改动工作流。
将cosnark证明集成到Lilith（云级证明生成集群），通过单条命令即可快速启动协作证明对等服务器。
cosnarks已进入封闭测试阶段，正在与早期用户进行试验。
未来发展重心和路线：
引入不对称MPC，以降低数据提供方（如移动设备）的计算负担，配合iOS绑定和金属加速。这是活跃研究领域，未来数月将进行探索。
在Halo2之外集成更多证明系统，以提供更大灵活性。
持续优化大模型和高吞吐场景的证明生成，预计到2027年GPU加速和折叠方案可将证明大小降至KB级。
Jason Morton（CEO）
Jason Morton 是 EZKL 的联合创始人兼 CEO。他曾任数学与统计学终身教授，获得DARPA青年教师奖（量子启发密码算法），并曾是2011年DARPA深度学习项目的PI。他创立并出售了一家基于以太坊的金融中介机构，曾任Lit Protocol密码学负责人，拥有哈佛大学心理学学士、密歇根大学经济学硕士和加州大学伯克利分校数学博士学位。