Zero-Knowledge-Lab: Commitments, Schnorr, Fiat-Shamir und Merkle-Beweise in Python

Dieses Lab gibt allen Lernenden ein eigenes JupyterLab mit Zero-Knowledge-Beweisen in schlichtem Python, kurz genug, um alles zu lesen: das Höhlenspiel über viele Runden, ein Hash-Commitment und ein Pedersen-Commitment, das Schnorr-Identifikationsprotokoll, den Fiat-Shamir-Schritt, der es nicht interaktiv macht, einen Merkle-Baum mit Mitgliedschaftsbeweisen und einen winzigen arithmetischen Schaltkreis mit Bereichsprüfung. Neun kleine Skripte zeigen, was jede Idee tut, jedes Mal gleich.

Die Zahlen sind absichtlich winzig, damit jeder Wert in eine Zeile passt, und sie sind nicht sicher: Die Gruppe hat 509 Elemente, und ein Skript findet ein Geheimnis, indem es alle ausprobiert. Es ist auch kein Angriffs-Lab: Jede Kopie hat keinen Weg ins Internet und keinen zu anderen Lernenden, und es wird nichts hineingeladen.

Was Lernende lernen

Was ein Wissensbeweis ist und welche drei Eigenschaften er hat: Wer ehrlich ist, besteht immer, ein Betrüger besteht 20 Runden des Höhlenspiels etwa einmal in einer Million, und der Prüfer erfährt nur die Antwort. Sie legen sich mit einem Hash und einem Salt auf einen Wert fest und öffnen ihn, addieren zwei Pedersen-Commitments, ohne sie zu öffnen, führen Schnorr mit dem Geheimnis 65 und dem öffentlichen Schlüssel 227 aus und sehen das Geheimnis herausfallen, wenn ein Beweiser seine Zufallszahl doppelt benutzt. Ein Simulator fälscht ein Protokoll, das die Prüfung besteht, und deshalb verrät ein Protokoll nichts. Mit Fiat-Shamir machen sie daraus einen Beweis, den alle prüfen können, prüfen mit einem Merkle-Beweis aus 3 Hashes, dass ein Name in einer Liste aus 8 steht, und prüfen einen Zeugen gegen die Gatter eines kleinen Schaltkreises, also die Aussage, die ein SNARK beweist. Es passt zu Kursen in angewandter Kryptografie, IT-Sicherheit und Blockchain; prüfen Sie die genaue Formulierung in der Einheit Ihrer eigenen Prüfungsstelle, hier wird keine zitiert.

Im Browser ausführen

Das Lab startet einen einzigen Dienst, jupyter, der zk.py, merkle.py, circuit.py, ein Start-Notebook und die kurzen Skripte in seinen Arbeitsordner schreibt, ohne etwas herunterzuladen. JupyterLab verlangt kein Token, weil die Tür der Plattform schon weiß, wer es öffnet. Das Terminal neben dem Lab hat kein eigenes Python, es erreicht das des Labs mit docker exec jupyter, gefolgt vom Befehl, der darin laufen soll.

  1. Container-Seite öffnen. Öffnen Sie in der Leiste „Entwickeln“ und wählen Sie „Einen Container ausführen“. Die Seite kann jeder öffnen, und das Git-Lab und das SQL-Lab starten ohne Konto. Alle anderen Labs brauchen ein kostenloses Konto: Erstellen Sie eines, melden Sie sich an und klicken Sie dann auf „Starten“.
  2. Lab suchen. Die Karte „Beispiel-Labs“ listet alle Beispiele auf. Suchen Sie Zero-Knowledge: Commitments, Schnorr und Merkle-Beweise.
  3. Auf „Starten“ klicken. „Starten“ führt das Lab unverändert mit einem einzigen Klick aus. „Zuerst die Datei bearbeiten“ öffnet die Compose-Datei, damit Sie sie vor dem Start ändern können.
  4. Öffnen. Auf der Seite des Labs hat die Lab-Leiste einen Link namens JupyterLab: Klicken Sie darauf, um JupyterLab im Browser zu öffnen und zk.py im Dateieditor zu lesen. Klicken Sie dann auf „Terminal öffnen“ und tippen Sie docker exec jupyter python3 steps/schnorr.py. Sie sehen, wie ein Schnorr-Beweis geprüft wird und wie ein Geheimnis aus zwei Antworten mit derselben Zufallszahl berechnet wird.

Was Lernende abgeben sollen

Ein eigenes Notebook, das diese Dateien nutzt, um eine selbst gewählte Frage zu beantworten, zum Beispiel wie viele Runden im Höhlenspiel Betrug für ein bestimmtes Risiko unwahrscheinlich genug machen, was schiefgeht, wenn ein Schnorr-Beweiser seine Zufallszahl doppelt benutzt, oder wie lang ein Merkle-Beweis für 16 oder 1024 Elemente ist, heruntergeladen aus JupyterLab mit File, Download. Dazu ein oder zwei Sätze in eigenen Worten, was sie gefunden haben. Nichts wird automatisch bewertet: Der Satz zeigt, ob es verstanden wurde. Für anspruchsvollere Arbeiten lassen Sie erklären, warum ein simuliertes Protokoll zeigt, dass das Verfahren nichts verrät.

Eine Basis-Lektion zu diesem Lab

Zero-Knowledge Proof Basics ist eine kleine Lektion, die in diesem Lab gearbeitet wird. Darin spielen Lernende das Höhlenspiel über viele Runden, legen sich auf einen Spielzug fest und öffnen ihn, führen das Schnorr-Protokoll aus, fälschen ein Protokoll, machen einen Beweis mit einem Hash nicht interaktiv und prüfen mit einem Merkle-Beweis, dass ein Name auf einer Liste steht.

Kostenlose persönliche Konten haben sie im Modul Basics, das auf der Startseite liegt, und jede Einrichtung kann sie aus dem Basics-Ordner der Bibliothek kopieren. Sie ist bewusst klein: Sie zeigt einer Lehrkraft, was eine im Lab gearbeitete Lektion ist, und das Lab leistet den Rest. Kopieren Sie sie in ein eigenes Modul, um sie zu ändern. Das Hochschulmodul Zero-Knowledge-Beweise von Grund auf wird im selben Lab bearbeitet.

Der Code auf GitHub

Die Compose-Datei hat kein Dockerfile: Sie startet ein einziges öffentliches Standard-Image, das scipy-notebook der Jupyter Docker Stacks, auf ein datiertes Tag festgelegt, mit eigenem unprivilegiertem Konto und 512 MB Speicher, und das Spielzeug nutzt nur die Standardbibliothek von Python. Das Image steht unter BSD-3-Clause und wird von uns nicht verteilt. Die Datei schreibt beim Start jede Python-Datei aus festem Text, und jede Zufallswahl stammt aus einem festen Startwert, daher gibt jede Kopie dasselbe aus und nichts wird heruntergeladen. Die Grenzen sind ehrlich: Gruppe und Körper sind winzig, also ist hier nichts sicher, und im Lab läuft keine echte Schaltkreissprache und kein Beweissystem, also sind Schaltkreise schlichte Python-Gatter und das Beweissystem wird in Worten erklärt. Beim Stoppen des Labs bleibt nichts erhalten, weshalb Lernende ihr Notebook vorher herunterladen.

Als Aufgabe stellen

Schreiben Sie in die Aufgabe, was abzugeben ist.

  1. Lab erstellen. Fügen Sie in Ihrem Modul eine Aufgabe hinzu und wählen Sie die Karte „Container-Lab“, dann „In einem GitHub-Repository“. Geben Sie https://github.com/mitsurutech/lab-zk-lab mit dem Branch main an. Die Compose-Datei ist standardmäßig compose.yaml. Forken Sie das Repository zuerst, wenn Sie es ändern möchten, zum Beispiel für eine andere Gruppe oder eine andere Aussage im Schaltkreis.
  2. Veröffentlichen und ausprobieren. „Veröffentlichen“ legt den Commit fest, den Sie gesehen haben. Eine spätere Änderung im Repository verändert also kein Lab, das Sie bereits gestellt haben. Starten Sie zuerst Ihre eigene Kopie.
  3. Zuweisen. Weisen Sie es wie jede Aufgabe zu, auf Wunsch mit Fälligkeitsdatum, und schreiben Sie in die Aufgabe, was zu tun ist und was abgegeben werden soll.
  4. Abgaben bewerten. Öffnen Sie die Kopie einer lernenden Person und die abgegebene Arbeit, bewerten Sie sie und geben Sie sie mit einer Begründung zur Überarbeitung zurück, wenn mehr nötig ist.

Dieses Lab ausprobieren, und was es kostet

Mit einem kostenlosen persönlichen Konto können Sie die Grundlagenlektionen in diesem Lab durcharbeiten, mit genug kostenlosem Guthaben pro Monat für die meisten Lektionen und ohne Karte. Für eine Klasse sind die ersten 365 Tage für eine Schule kostenlos, für bis zu 50 Lernende; danach zahlt sie je lernender Person und Jahr, alle Labs inklusive und Lehrkräfte kostenlos.

Häufige Fragen

Warum muss ich kein Token oder Passwort eingeben?
Die Webseite eines Labs ist nur über die Tür der Plattform erreichbar, die schon weiß, wer Sie sind, und nur Sie und die Lehrkräfte Ihres Moduls hineinlässt. Deshalb startet JupyterLab ohne Token. Starten Sie es nicht so auf einem Rechner, den andere erreichen können.
Warum nutzt das Terminal docker exec jupyter?
Das Terminal des Labs enthält einige Clients, aber kein Python. docker exec jupyter führt einen Befehl im Container des Labs aus, der Python hat. JupyterLab hat außerdem ein eigenes Terminal unter File, New, Terminal.
Ist das sicher genug für den echten Einsatz?
Nein. Die Gruppe hat 509 Elemente und der Körper 97, also passt jeder Wert in eine Zeile, und ein Geheimnis lässt sich durch Ausprobieren finden, was ein Skript auch tut. Echte Systeme nutzen Zahlen mit etwa 256 Bit und geprüfte Bibliotheken. Das Lab ist zum Lernen der Ideen da.
Führt das Lab Noir oder einen echten SNARK aus?
Nein. Das Lab ist ein einziges Standard-Image, in das beim Start nichts geladen wird, und es enthält keine Schaltkreissprache und keinen Beweiser. Der Schaltkreis ist als Python-Gatter über einem kleinen Körper nachgebaut, also als die Aussage, die ein SNARK beweist, und die Lektionen erklären, was das Beweissystem hinzufügt.