Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZK-Flex는 영지식 증명(ZKP)의 높은 연산 부하를 해결하기 위해 제안된 소프트웨어-하드웨어 공동 설계 프레임워크입니다. Toom-Cook 기반의 TCore와 유연한 NoC를 통해 기존 가속기 대비 뛰어난 속도와 면적 효율성을 달성했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기영지식 증명 (Zero-knowledge proofs, ZKP)은 증명자 (prover)가 개인 데이터를 공개하지 않고도 계산의 정확성을 검증자 (verifier)에게 확신시킬 수 있게 하여, 프라이버시와 검증 가능성을 모두 보장합니다. 그러나 증명 생성은 다항식 (polynomial, POLY) 및 타원 곡선 (elliptic-curve, EC) 연산이 지배적인 매우 높은 연산 집약적 과정을 수반합니다. 이러한 워크로드(workload)는 하드웨어 가속에 있어 두 가지 핵심 과제를 제기합니다: (1) 다양한 대정밀도 모듈러 곱셈 (modular multiplications)을 효율적으로 지원하는 것, 그리고 (2) POLY 단계와 EC 단계 사이를 동적으로 전환하는 워크로드 전반에서 높은 활용률을 유지하는 것입니다. 기존의 재구성 가능한 가속기 (reconfigurable accelerators)들은 이러한 문제들을 부분적으로만 해결하고 있으며, 정밀도 확장성, 알고리즘 유연성 및 자원 효율성 측면에서 여전히 한계를 보입니다. 이러한 한계를 극복하기 위해, 우리는 ZKP 증명 생성을 가속화하기 위한 유연하고 확장 가능한 소프트웨어-하드웨어 공동 설계 (software-hardware co-designed) 프레임워크인 ZK-Flex를 제안합니다. 소프트웨어 계층은 하드웨어 및 워크로드 인지형 알고리즘 선택을 통해 계산을 줄이는 POLY 및 EC 최적화 도구 (optimizers)를 포함하며, 하드웨어는 유연한 NoC (Network-on-Chip)와 제한된 메모리 용량 하에서 병렬성을 향상시키는 연결 리스트 (linked-list) 메모리 메커니즘을 갖춘 Toom-Cook 기반의 다정밀도 코어인 TCore를 통합합니다. 대표적인 ZKP 벤치마크 전반에 걸쳐, ZK-Flex는 최신 기술 (state of the art) 대비 5~11배의 속도 향상과 최대 3.8배 높은 면적 효율성을 달성하였으며, 고성능 재구성 가능 ZKP 가속을 위한 새로운 토대를 마련했습니다.