Lab de preuves à divulgation nulle : engagements, Schnorr, Fiat-Shamir et Merkle en Python

Ce lab donne à chaque étudiant son propre JupyterLab, avec des preuves à divulgation nulle de connaissance écrites en Python simple, assez courtes pour être lues en entier : le jeu de la caverne joué sur de nombreux tours, un engagement par hachage et un engagement de Pedersen, le protocole d’identification de Schnorr, l’étape de Fiat-Shamir qui le rend non interactif, un arbre de Merkle avec ses preuves d’appartenance, et un tout petit circuit arithmétique avec un contrôle d’intervalle. Neuf petits scripts affichent chacun ce que fait une idée, toujours de la même façon.

Les nombres sont minuscules exprès, pour que chaque valeur tienne sur une ligne, et ils ne sont pas sûrs : le groupe compte 509 éléments et un script retrouve un secret en les essayant tous. Ce n’est pas non plus un lab d’attaque : chaque copie n’a aucun accès à internet ni à aucun autre étudiant, et rien n’y est téléchargé.

Ce que les étudiants apprennent

Ce qu’est une preuve de connaissance, et ses trois propriétés : un prouveur honnête réussit toujours, un tricheur passe 20 tours du jeu de la caverne environ une fois sur un million, et le vérificateur n’apprend rien d’autre que la réponse. Ils s’engagent sur une valeur avec un hachage et un sel puis l’ouvrent, additionnent deux engagements de Pedersen sans les ouvrir, lancent Schnorr avec un secret de 65 et une clé publique de 227, et voient le secret tomber quand un prouveur réutilise son nombre aléatoire. Un simulateur fabrique une transcription qui passe la vérification, ce qui explique qu’une transcription ne dévoile rien. Ils rendent le protocole vérifiable par tous avec Fiat-Shamir, vérifient qu’un nom figure dans une liste de 8 avec une preuve de Merkle de 3 hachages, et contrôlent un témoin face aux portes d’un petit circuit, c’est-à-dire l’énoncé que prouve un SNARK. Il convient aux cours de cryptographie appliquée, de sécurité et de blockchain ; vérifiez la formulation exacte dans l’unité de votre propre organisme certificateur, aucune n’est citée ici.

Le lancer dans votre navigateur

Le lab démarre un seul service, jupyter, qui écrit zk.py, merkle.py, circuit.py, un notebook de départ et les petits scripts dans son dossier de travail, sans rien télécharger. JupyterLab ne demande aucun jeton, car la porte de la plateforme sait déjà qui l’ouvre. Le terminal à côté du lab n’a pas de Python à lui : il atteint celui du lab avec docker exec jupyter, suivi de la commande à lancer à l’intérieur.

  1. Ouvrir la page Conteneur. Ouvrez « Créer » dans la barre et choisissez « Lancer un conteneur ». Tout le monde peut ouvrir la page, et le lab Git et le lab SQL se lancent sans compte. Tous les autres labs demandent un compte gratuit : créez-en un, connectez-vous, puis appuyez sur « Démarrer ».
  2. Trouver le lab. La carte « Laboratoires d’exemple » liste tous les exemples. Trouvez Preuves à divulgation nulle : engagements, Schnorr et Merkle.
  3. Appuyer sur Démarrer. « Démarrer » le lance tel quel, en un clic. « Modifier le fichier d’abord » ouvre le fichier compose pour que vous puissiez le changer avant de démarrer.
  4. L’ouvrir. Sur la page du lab, la barre du lab a un lien nommé JupyterLab : appuyez dessus pour ouvrir JupyterLab dans votre navigateur et lire zk.py dans l’éditeur de fichiers. Appuyez ensuite sur « Ouvrir le terminal » et tapez docker exec jupyter python3 steps/schnorr.py pour voir une preuve de Schnorr vérifiée, puis un secret retrouvé à partir de deux réponses qui ont réutilisé le même nombre aléatoire.

Que demander aux étudiants de rendre

Un notebook à eux qui utilise ces fichiers pour répondre à une question qu’ils ont choisie, par exemple combien de tours de caverne rendent la triche assez improbable pour un risque donné, ce qui se passe quand un prouveur de Schnorr réutilise son nombre aléatoire, ou quelle est la longueur d’une preuve de Merkle pour 16 ou 1024 éléments, téléchargé depuis JupyterLab avec File, Download. Puis une ou deux phrases, avec leurs propres mots, sur ce qu’ils ont trouvé. Rien n’est noté automatiquement : la phrase montre si c’était compris. Pour un travail plus poussé, demandez d’expliquer pourquoi une transcription simulée montre que le protocole ne dévoile rien.

Une leçon de base sur ce lab

Zero-Knowledge Proof Basics est une petite leçon qui se fait dans ce lab. L’étudiant y joue au jeu de la caverne sur de nombreux tours, s’engage sur un coup et l’ouvre, lance le protocole de Schnorr, fabrique une fausse transcription, rend une preuve non interactive avec un hachage, et vérifie qu’un nom figure dans une liste avec une preuve de Merkle.

Un compte personnel gratuit la reçoit dans le module Basics, qui se trouve sur « Accueil », et chaque établissement peut la copier depuis le dossier Basics de la Bibliothèque. Elle est volontairement petite : elle montre à un enseignant ce qu’est une leçon qui se fait dans un lab, et le lab fait le reste. Copiez-la dans un module à vous pour la modifier. Le module universitaire Construire des preuves à divulgation nulle se travaille dans le même lab.

Le code sur GitHub

Le fichier compose n’a pas de Dockerfile : il lance une seule image publique, scipy-notebook des Jupyter Docker Stacks, figée sur une étiquette datée, avec son propre compte sans privilèges et 512 Mo de mémoire, et le jouet n’utilise que la bibliothèque standard de Python. L’image est sous licence BSD-3-Clause et n’est pas distribuée par nous. Le fichier écrit chaque fichier Python à partir d’un texte fixe au démarrage, et chaque choix aléatoire vient d’une graine fixe : chaque copie affiche donc la même chose et rien n’est téléchargé. Les limites sont honnêtes : le groupe et le corps sont minuscules, donc rien ici n’est sûr, et aucun vrai langage de circuits ni aucun système de preuve ne tourne dans le lab : les circuits sont de simples portes en Python et le système de preuve est expliqué avec des mots. Rien n’est conservé quand le lab s’arrête : l’étudiant télécharge son notebook avant.

En faire un travail

Indiquez dans la tâche ce qu’il faut rendre.

  1. Créer le lab. Dans votre module, ajoutez une tâche et choisissez la carte « Lab de conteneurs », puis « Dans un dépôt GitHub ». Indiquez https://github.com/mitsurutech/lab-zk-lab avec la branche main. Le fichier compose par défaut est compose.yaml. Faites d’abord un fork du dépôt si vous voulez le modifier, par exemple pour prendre un autre groupe ou un autre énoncé dans le circuit.
  2. Publier et l’essayer. « Publier » fige le commit qui vous a été montré : un changement ultérieur dans le dépôt ne modifie donc pas un lab que vous avez déjà proposé. Démarrez d’abord votre propre copie.
  3. Le distribuer. Attribuez-le comme n’importe quelle tâche, avec une échéance si vous le souhaitez, et indiquez dans la tâche ce qu’il faut faire et ce qu’il faut rendre.
  4. Noter ce qui est rendu. Ouvrez la copie d’un étudiant et le travail rendu, notez-le et renvoyez-le avec un motif s’il demande un complément.

Essayer ce lab, et ce qu’il coûte

Un compte personnel gratuit permet de suivre les leçons de base de ce lab, avec chaque mois assez de crédit gratuit pour suivre la plupart des leçons, sans carte. Pour une classe, un établissement a ses 365 premiers jours gratuits pour 50 élèves au plus, puis paie par élève et par an, tous les labs compris et les enseignants gratuits.

Questions fréquentes

Pourquoi n’y a-t-il ni jeton ni mot de passe à taper ?
La page web d’un lab ne s’atteint que par la porte de la plateforme, qui sait déjà qui vous êtes et ne laisse entrer que vous et les enseignants de votre module. JupyterLab démarre donc sans jeton. Ne le lancez pas ainsi sur une machine que d’autres peuvent atteindre.
Pourquoi le terminal utilise-t-il docker exec jupyter ?
Le terminal du lab contient quelques clients, mais pas Python. docker exec jupyter lance une commande dans le conteneur du lab, qui a Python. JupyterLab a aussi son propre terminal, sous File, New, Terminal.
Est-ce assez sûr pour un vrai usage ?
Non. Le groupe compte 509 éléments et le corps 97, donc chaque valeur tient sur une ligne et un secret se retrouve en essayant toutes les valeurs, ce que fait un script. Les vrais systèmes utilisent des nombres d’environ 256 bits et des bibliothèques relues. Le lab sert à apprendre les idées.
Le lab fait-il tourner Noir ou un vrai SNARK ?
Non. Le lab est une seule image publique, sans rien de téléchargé au démarrage, et il ne contient ni langage de circuits ni prouveur. Le circuit est modélisé par des portes en Python sur un petit corps, c’est-à-dire l’énoncé que prouve un SNARK, et les leçons expliquent ce que le système de preuve ajoute.