ZKSwap团队解读：ZKSync中better_better_cs如何实现聚合证明（⼆）

PANews官方｜2021-06-09 11:30

本篇⽂章将继续研读ZKSync的聚合证明，重点关注better_better_cs 如何⽣成聚合证明。

作者：ZKSwap

上篇⽂章中，我们研读了ZKSync中 better_cs如何⽣成single proof、aggregation proof的电路逻辑等实现。在这篇⽂章中，我们继续研读ZKSync的聚合证明，我们重点关注better_better_cs如何⽣成聚合证明。

还是⽤上⼀篇的这张代码调⽤图，我们这篇着重讲create_proof。

插图1.png

我们分析的bellman_ce代码版本是beta分⽀，commit id 为 48441155ec7006bf7bfac553b5fb7d466d7fcd00。

Aggregation_proof 的⽣成

create_proof 这个函数在 bellman_ce/src/plonk/better_better_cs/proof/mod.rs 中，将近 2000 ⾏代码。

⼤体上，分为以下⼏个步骤：

插图2.png

基本的⼀些检查和预计算

for idx in 0..num_state_polys {
let key = PolyIdentifier::PermutationPolynomial(idx);
let vals = setup.permutation_monomials[idx].clone().fft_using_bitreversed_ntt(
&worker,
&omegas_bitreversed,
&E::Fr::one()
)?.into_coeffs();
let poly = Polynomial::from_values_unpadded(vals)?;
let poly = PolynomialProxy::from_owned(poly);
values_storage.setup_map.insert(key, poly);
}

⽣成 state 多项式状态和 witness 多项式状态，且为lookup table 参数⽣成排序好的多项式

// ...
proof.state_polys_commitments.push(commitment);
proof.witness_polys_commitments.push(commitment);
// ...

构造 lookupdataholder，⽤于后续计算

let data = data_structures::LookupDataHolder::<E> {
eta,
f_poly_unpadded_values: Some(f_poly_values_aggregated),
t_poly_unpadded_values: Some(t_poly_values),
t_shifted_unpadded_values: Some(t_poly_values_shifted),
s_poly_unpadded_values: Some(s_poly_unpadded_values),
s_shifted_unpadded_values: Some(s_shifted_unpadded_values),
t_poly_monomial: Some(t_poly_monomial),
s_poly_monomial: Some(s_poly_monomial),
selector_poly_monomial: Some(selector_poly),
table_type_poly_monomial: Some(table_type_mononial),
};

对置换多项式进⾏乘积（grand product）计算

// ...
let mut z_2 = grand_products_proto_it.next().unwrap();
z_2.add_assign_scaled(&worker, permutation_polys_it.next().unwrap(),
&beta_for_copy_permutation);
for (mut p, perm) in grand_products_proto_it.zip(permutation_polys_it) {
p.add_assign_scaled(&worker, &perm, &beta_for_copy_permutation);
z_2.mul_assign(&worker, &p);
}
z_2.batch_inversion(&worker)?;

对商多项式进⾏计算

// ...
let mut t = gate.contribute_into_quotient_for_public_inputs(
required_domain_size,
 &input_values,
 &mut ldes_storage,
 &monomials_storage,
for_gate,
 &omegas_bitreversed,
 &omegas_inv_bitreversed,
 &worker
)?;
// ...
transcript.commit_field_element(&quotient_at_z);
proof.quotient_poly_opening_at_z = quotient_at_z;

根据 lookup table 进⾏线性化

let queries_with_linearization = sort_queries_for_linearization(&self.sorted_gates, MAX_DILATION);
// ...
for (dilation_value, ids) in
queries_with_linearization.state_polys.iter().enumerate() {...}
for (dilation_value, ids) in
queries_with_linearization.witness_polys.iter().enumerate() {...}
for (gate_idx, queries) in
queries_with_linearization.gate_setup_polys.iter().enumerate() {...}

对多项式的 selectors 进⾏ open 取值

let mut selector_values = vec![];
for s in queries_with_linearization.gate_selectors.iter() {
let gate_index = self.sorted_gates.iter().position(|r| r == s).unwrap();
let key = PolyIdentifier::GateSelector(s.name());
let poly_ref = monomials_storage.gate_selectors.get(&key).unwrap().as_ref();
let value = poly_ref.evaluate_at(&worker, z);
transcript.commit_field_element(&value);
proof.gate_selectors_openings_at_z.push((gate_index, value));
selector_values.push(value);
}

增加拷⻉置换多项式、lookup置换的优化结果

// ...
r_poly.add_assign_scaled(&worker, &copy_permutation_z_in_monomial_form, &factor);
r_poly.sub_assign_scaled(&worker, last_permutation_poly_ref, &factor);
r_poly.add_assign_scaled(&worker, &copy_permutation_z_in_monomial_form, &factor);

使⽤ lookup 进⾏ query

s_at_z_omega,
grand_product_at_z_omega,
t_at_z,
t_at_z_omega,
selector_at_z,
table_type_at_z,
};

对多项式的 selectors 在 z 进⾏ open 取值

for s in queries_with_linearization.gate_selectors.iter() {
multiopening_challenge.mul_assign(&v);
let key = PolyIdentifier::GateSelector(s.name());
let poly_ref = monomials_storage.get_poly(key);
poly_to_divide_at_z.add_assign_scaled(&worker, poly_ref, &multiopening_challenge);
}

将最终的 lookup 值放⼊proof中

if let Some(data) = lookup_data.as_ref() {
// we need to add t(x), selector(x) and table type(x)
multiopening_challenge.mul_assign(&v);
let poly_ref = data.t_poly_monomial.as_ref().unwrap().as_ref();
poly_to_divide_at_z.add_assign_scaled(&worker, poly_ref, &multiopening_challenge);
multiopening_challenge.mul_assign(&v);
let poly_ref = data.selector_poly_monomial.as_ref().unwrap().as_ref();
poly_to_divide_at_z.add_assign_scaled(&worker, poly_ref, &multiopening_challenge);
multiopening_challenge.mul_assign(&v);
let poly_ref = data.table_type_poly_monomial.as_ref().unwrap().as_ref();
poly_to_divide_at_z.add_assign_scaled(&worker, poly_ref, &multiopening_challenge);
}

计算 z、z_omega 处的 open 值，最后组装 proof

let open_at_z_omega = polys.pop().unwrap().0;
let open_at_z = polys.pop().unwrap().0;
let opening_at_z = commit_using_monomials(
 &open_at_z,
 &mon_crs,
 &worker
)?;
let opening_at_z_omega = commit_using_monomials(
 &open_at_z_omega,
 &mon_crs,
 &worker
)?;
proof.opening_proof_at_z = opening_at_z;
proof.opening_proof_at_z_omega = opening_at_z_omega;

在这个函数中，我们看到了熟悉的 MainGate 函数，从上⼀版如何实现聚合中，我们知道这个⽤于⻔的设计，可以实现 custom gate，达到优化电路的⽬的。⽽除开 custom gate，ZKSync 中还使⽤了plonkup（即 plonk + lookup table）来提升效率。

我们在之前的⽂章中，已经讲解过plonkup的原理了，简单来说，就是预计算有效的input/output组成 lookup table，prover需要证明witness在这个table⾥，详细内容请参⻅ZKSwap团队解读Plookup原理。ZKSync 对 plonkup 的实现，并不是将 custom gate 和 plonkup 分开的，⽽是结合在⼀起来优化电路设计的。我们下⾯看看，MainGate trait 中的接⼝，是如何和 plonkup 结合的。

Lookup 的使⽤

在上⼀节的 create_proof 函数中，线性化⽤到了 gate 的 contribute_into_linearization_for_public_inputs 函数，我们以它为例，来看看 lookup 的使⽤。这个代码在 bellman_ce/src/plonk/better_better_cs/cs.rs 中。

fn contribute_into_linearization_for_public_inputs(
 &self,
_domain_size: usize,
_public_inputs: &[E::Fr],
_at: E::Fr,
queried_values: &std::collections::HashMap<PolynomialInConstraint, E::Fr>,
monomials_storage: & AssembledPolynomialStorageForMonomialForms<E>,
challenges: &[E::Fr],
worker: &Worker
) -> Result<Polynomial<E::Fr, Coefficients>, SynthesisError> {}

⽤到的传⼊参数有 hashmap 格式的 queried_values、单项式缓存值、随机数数组 queried_values 这个参数是在 create_proof 时，根据排序的query 列表⽣成的，key 是多项式，value是 Fr 值。query 列表的排序规则是先 witness、gate 的 selector 次之、gate 的setup 再次之，这个 SortedGateQueries 的结构是：

pub struct SortedGateQueries<E: Engine>{
pub state_polys: Vec<Vec<PolyIdentifier>>, // state 多项式
pub witness_polys: Vec<Vec<PolyIdentifier>>, // witness 多项式
pub gate_selectors: Vec<Box<dyn GateInternal<E>>>, // gate 的selectors
pub gate_setup_polys: Vec<Vec<Vec<PolyIdentifier>>>, // gate setup 多项式
}

代码中，调⽤sort_queries_for_linearization函数来⽣成SortedGateQueries，这个函数也在当前mod.rs⽂件中。这个函数输⼊参数是gate数组，输出即为SortedGateQueries 。

fn sort_queries_for_linearization<E: Engine>(gates: & Vec<Box<dyn GateInternal<E>>>,
max_dilation: usize)
-> SortedGateQueries<E> {
}

函数会对传⼊的gate数组遍历，根据gate返回的多项式数组，将其按照VariablesPolynomial，WitnessPolynomial，GateSetupPolynomial的不同类型，将多项式存⼊SortedGateQueries中。

回到contribute_into_linearization_for_public_inputs函数，可以看到，它会从queried_values 中，获取 a/b/c/d的值。⽽ Q_a/Q_b/Q_c/Q_d/Q_m的值，都是从create_proof刚开始⽣成的单项式缓存数据中取到的，也是⼀个lookup table的概念。

插图19.png

这个单项式缓存的值是从电路的setup获得的，即电路确定了，那么电路的⻔就确定了，则在⽣成proof时，这些数据都已经有了，可以直接将setup预计算的结果，放⼊lookup table中，查询使⽤数据。

let mut monomials_storage = Self::create_monomial_storage(
 &worker,
 &omegas_inv_bitreversed,
 &values_storage,
true
)?;
monomials_storage.extend_from_setup(setup)?;

最后，结合a/b/c/d和Q_a/Q_b/Q_c/Q_d，可以⾮常⽅便的构造出多项式。

// 可以看到，⾮常⾼效的get取到了数据
let a_value = *queried_values.get(&PolynomialInConstraint::from_id(PolyIdentifier::VariablesPolynomia
l(0)))
.ok_or(SynthesisError::AssignmentMissing)?;
let b_value = *queried_values.get(&PolynomialInConstraint::from_id(PolyIdentifier::VariablesPolynomia
l(1)))
.ok_or(SynthesisError::AssignmentMissing)?;
let c_value = *queried_values.get(&PolynomialInConstraint::from_id(PolyIdentifier::VariablesPolynomia
l(2)))
.ok_or(SynthesisError::AssignmentMissing)?;
let d_value = *queried_values.get(&PolynomialInConstraint::from_id(PolyIdentifier::VariablesPolynomia
l(3)))
.ok_or(SynthesisError::AssignmentMissing)?;
let d_next_value = *queried_values.get(&PolynomialInConstraint::from_id_and_dilation(PolyIdentifier::Varia
blesPolynomial(3), 1))
.ok_or(SynthesisError::AssignmentMissing)?;
let name = <Self as GateInternal<E>>::name(&self);
// get_ploy 也是查找table的⽅式获取多项式
// Q_a * A
let mut result = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 0)).clone();
result.scale(&worker, a_value);
// Q_b * B
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 1));
result.add_assign_scaled(&worker, poly_ref, &b_value);
// Q_c * C
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 2));
result.add_assign_scaled(&worker, poly_ref, &c_value);
// Q_d * D
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 3));
result.add_assign_scaled(&worker, poly_ref, &d_value);
// Q_m * A*B
let mut tmp = a_value;
tmp.mul_assign(&b_value);
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 4));
result.add_assign_scaled(&worker, poly_ref, &tmp);
// Q_const
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 5));
result.add_assign(&worker, poly_ref);
// Q_dNext * D_next
let poly_ref = monomials_storage.get_poly(PolyIdentifier::GateSetupPolynomial(name, 6));
result.add_assign_scaled(&worker, poly_ref, &d_next_value);
result.scale(&worker, challenges[0]);
// 结果都存⼊result中
Ok(result)