| timezone |
|---|
Asia/Bangkok |
请在上边的 timezone 添加你的当地时区，这会有助于你的打卡状态的自动化更新，如果没有添加，默认为北京时间 UTC+8 时区 时区请参考以下列表，请移除 # 以后的内容
timezone: Pacific/Honolulu # 夏威夷-阿留申标准时间 (UTC-10)
timezone: America/Anchorage # 阿拉斯加标准时间 (UTC-9)
timezone: America/Los_Angeles # 太平洋标准时间 (UTC-8)
timezone: America/Denver # 山地标准时间 (UTC-7)
timezone: America/Chicago # 中部标准时间 (UTC-6)
timezone: America/New_York # 东部标准时间 (UTC-5)
timezone: America/Halifax # 大西洋标准时间 (UTC-4)
timezone: America/St_Johns # 纽芬兰标准时间 (UTC-3:30)
timezone: America/Sao_Paulo # 巴西利亚时间 (UTC-3)
timezone: Atlantic/Azores # 亚速尔群岛时间 (UTC-1)
timezone: Europe/London # 格林威治标准时间 (UTC+0)
timezone: Europe/Berlin # 中欧标准时间 (UTC+1)
timezone: Europe/Helsinki # 东欧标准时间 (UTC+2)
timezone: Europe/Moscow # 莫斯科标准时间 (UTC+3)
timezone: Asia/Dubai # 海湾标准时间 (UTC+4)
timezone: Asia/Kolkata # 印度标准时间 (UTC+5:30)
timezone: Asia/Dhaka # 孟加拉国标准时间 (UTC+6)
timezone: Asia/Bangkok # 中南半岛时间 (UTC+7)
timezone: Asia/Shanghai # 中国标准时间 (UTC+8)
timezone: Asia/Tokyo # 日本标准时间 (UTC+9)
timezone: Australia/Sydney # 澳大利亚东部标准时间 (UTC+10)
timezone: Pacific/Auckland # 新西兰标准时间 (UTC+12)
⚠️ 正式开始前请确保你在身体上和精神上都处于合适的状态，请刻意练习，残酷面对 🆒。为方便检索 The First ZK Intensive CoLearning 简写为 ZICL1st，第 2 期即为ZICL2nd，第 3 期即为 ZICL3rd，以此类推。
⚠️ 报名需要按要求认真填写下面 [ XXX ] 部分，方可通过报名审核，通过审核即可开始自主学习。
第一期的重点是向大家介绍什么是 ZK、 ZKP 的基础知识，以及 Circom 代码入门，有一定难度，共学资料如下：
- 第一周：7 月 29 日 - 8 月 4 日：Introduction and History of ZKP
- 20min 的视频：初步理解 ZK 是什么
- 70min 的播客：零知识证明：一场”无知“的游戏
- （一）初识「零知识」与「证明」
- （二）理解「模拟」
- （三）寻找「知识」
- 100min 的视频：ZKP Lecture 1: Introduction and History of ZKP
- 第二周：8 月 5 日 - 8 月 11 日：Overview of Modern SNARK Constructions
- 第三周：8 月 12 日 - 8 月 18 日：Write some Circom
- 基础电路：
- ZK Shanghai 基础电路教学
- 编辑器：zkREPL
- 基础电路练习 这部分材料结合了Circom源码，可以多花时间来研究
- 实用电路：
- 基础电路：
本次共学资料前两周的 lecture 来自 zk-learning，博客来自 《探索零知识证明系列》和《从零开始学习 zk-SNARK》，第三周的 Circom 部分来自 0xparc，视频讲解为 ZK Shanghai 的中文版本。郭宇老师还推荐了这篇文章《Survey-SNARKs》，学有余力者可以依此找到更多的扩展内容。
- 自我介绍
Web2 Full Stack Developer and Web3 Explorer.
- 你认为你会完成本次残酷学习吗？
Yes.
- 目前阶段对于 ZK 的了解？
A little bit.
- 学习主题：初步理解 ZK 是什么
- 学习内容小结：5个难度级别解释零知识证明的概念
- 儿童
- 在这些企鹅中藏了一只海雀，我能向你证明我知道海雀的位置，而不透露其确切地点。
- 把照片放到海报后面，透过洞可以看到海雀，从而证明知道位置。海报后面的照片放置位置是未知的，从而不透露海雀确切位置。
- 青少年
- 将纸条放入密码箱，通过验证纸条内容证明知道密码，而不用透露密码。
- 大学生
- NP完全问题：是一类计算问题，目前还没有找到高效的算法解决方案。
- NP问题：不确定多项式时间问题（Nondeterministic Polynomial time problem），问题的解可以在多项式时间内验证。
- 多项式时间：运行时间可以表示为 n 的一个多项式，如：线性时间 O(n)、平方时间 O(n^2)、立方时间 O(n^3)
- NP-Hard：任何一个NP问题都可以通过多项式时间归约（polynomial-time reduction）到这个问题。这意味着，如果我们能够在多项式时间内解决这个问题，那么我们也可以在多项式时间内解决所有的NP问题。
- 它们至少和NP问题一样难，但不一定属于NP类（即不一定有多项式时间验证算法）。
- NP Complete：NP && NP-Hard
- NP问题：不确定多项式时间问题（Nondeterministic Polynomial time problem），问题的解可以在多项式时间内验证。
- 地图三色着色问题（3-Coloring Problem）是指：给定一个地图，能否用三种颜色对地图进行着色，使得相邻的区域具有不同的颜色。
- 这其实是图论中的一个问题，可以形式化为：给定一个图，能否将其顶点着色成三种颜色，使得相邻顶点颜色不同。
- 任选两块相邻区域，获取他们的颜色，验证颜色不同以证明着色有效。下一次选择时会对着色的颜色进行变换，从而防止透露具体着色方案。
- 进行大量验证都通过，则认为着色方案有效。
- NP完全问题：是一类计算问题，目前还没有找到高效的算法解决方案。
- 研究生
- 一般来说，当你在应用中使用零知识证明时，主要的瓶颈往往在于证明者。
- 证明者（Prover）：负责生成零知识证明的实体，需要做大量的计算工作来创建一个有效的证明。
- 验证者（Verifier）：负责验证证明有效性的实体，通常验证工作相对简单且快速。
- 是否能把证明者的工作拆分成多个并行计算任务？
- 一般来说，当你在应用中使用零知识证明时，主要的瓶颈往往在于证明者。
- 专家
- 如何为高效的零知识程序和证明创建数学上的难题。随着量子计算的到来，它能够破解许多加密系统，我们需要新的抗量子难题来源。
- 零知识证明（Zero-Knowledge Proofs）依赖于构造难题，使得证明者能够在不泄露秘密信息的情况下，证明自己知道某个解。这些难题需要具备以下特性：
- 难以求解：在没有特定秘密信息的情况下，问题应该是难以求解的。
- 容易验证：给定正确的解，验证这个解的正确性应该是容易且快速的。
- 计算难度是加密和零知识证明的基础：难题的难度保证了加密的安全性和零知识证明的有效性。
- 量子计算威胁现有密码系统：量子计算机的出现可能会破解现有的许多密码系统，迫使我们寻找新的难度来源。
- 量子抗性问题：为了应对量子计算的威胁，我们需要开发基于新数学问题的加密方案和零知识证明，这些问题需要对量子计算保持抗性。
- 零知识证明（Zero-Knowledge Proofs）依赖于构造难题，使得证明者能够在不泄露秘密信息的情况下，证明自己知道某个解。这些难题需要具备以下特性：
- 如何为高效的零知识程序和证明创建数学上的难题。随着量子计算的到来，它能够破解许多加密系统，我们需要新的抗量子难题来源。
- 儿童
Note: 一遍回顾一遍问ChatGPT，好家伙好多新概念。
- 学习主题：（一）初识「零知识」与「证明」
- 学习内容小结：
看了昨天的视频对于文中的一些概念没有那么陌生了。 另外学到一个新的概念：“电路可满足问题”，之前经常看到什么写电路，一直不太明白电路跟零知识证明有何关系，目前大概能理解一些了。
- 学习主题：（二）理解「模拟」
- 学习内容小结：
今天的文章介绍了模拟的概念。模拟器的不可区分性使得验证者无法区分真正的交互和模拟的交互，从而保证零知识属性。 总的来说还是比较抽象，需要继续阅读下一个文章来加深理解。
- 学习主题：（三）寻找「知识」
- 学习内容小结：
总结一下：「抽取器」在「理想世界」中，通过时间倒流的超能力，把 Alice 的「知识」完整地「抽取」出来，这就保证了一个没有知识的 Alice 是无法让抽取器达成目标，从而证明了「可靠性」。
跟上一节一样，涉及到模拟器超能力的部分都有点难以理解。
- 理想世界：只是一个用于理论证明的假设，不是实际存在的。
- 现实应用：虽然抽取器在现实中不具备时间倒流的能力，但通过理论证明我们可以确保协议在现实中也具有类似的可靠性。
还是有点懵懂，只能先这么理解着，再继续往后学习吧。