资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
我的关注
去中心化应用程序(DApp)的高效运行依赖于安全性、可组合性和互操作性三大关键因素，但这三者往往难以同时兼顾。ZKThreads 应运而生，旨在突破这一瓶颈。它通过创新的零知识技术，实现更安全且灵活的应用连接，提升互操作能力。本文将深入解析 ZKThreads 的核心概念、运作机制，以及它与其他零知识解决方案的区别与优势，并探讨其具体应用场景。
什么是 ZKThreads?
ZKThreads 是可提升 DApp 性能和可扩展性的零知识框架。该框架利用 Starknet 的功能，为在区块链上开发和运行可互操作的应用程序创建标准化环境。
ZKThreads 如何运作?
1. 应用逻辑部署
整个流程从将应用逻辑部署到 ZKThreads 的应用程序合约开始。这些合约本质上是管理应用程序运行方式的规则和程序。
2. 批量交易
ZKThreads 并非单独处理每笔交易，而是将多笔交易集合为一个批次。这样可以提高处理大量交易的效率。
3. 创建证明
下一步，创建名为“STARK 证明”的加密证明，以确保该批次中的所有交易均有效，并已按合约规则完成处理。
4. 验证
接下来，STARK 证明将送至 Layer 2 序列器，并在其中按照 DApp 的规范记录进行验证。规范记录是指某个应用程序经验证和获准的状态。
ZKThread 验证器是 Starknet 上的合约，用于核实证明的准确性。该验证器会核实是否存在双花问题，确保所有交易均获授权，并控制所产生的状态是否符合区块链规则。
如果证明有效，ZKThread 验证器会更新 DApp 的规范状态记录。如果证明无效，则变更驳回，从而确保应用程序的完整性。
ZKThreads 与其他零知识解决方案的区别
数据处理
ZKThreads 旨在将状态和交易数据存储在链下，同时利用零知识证明 (ZKP) 验证交易。这与众多传统零知识汇总 (zk-rollup) 不同，后者将计算移至链下处理，但仍将交易数据存储在链上。
ZKThreads 将所有数据保存在链下，可以大大降低缓解主区块链上的数据负载，从而提高可扩展性并降低成本。相反，zkSync 等零知识汇总会定期将成批的交易数据发布到链上，确保基础层处理数据可用性。
互操作性
ZKThreads 优先处理可互操作的应用程序，减少碎片化，并确保各种 DApp 可在同一生态系统中顺畅交互。相比之下，zkEVM 等其他解决方案则更注重兼容性。
验证机制
ZKThreads 的验证流程包括创建 STARK 证明，以验证批量交易和状态变更的正确性。然后再根据 DApp 的规范状态验证这些证明。与之相比，zkSync 等零知识汇总则使用 zk-SNARK 或 zk-STARK 来创建在链上验证的加密证明。
ZKThreads 的优势
提升用户体验
ZKThreads 允许各种 DApp 之间进行顺畅交互，从而增强用户体验。用户无需切换网络即可访问多个应用程序。
成本更低
ZKThreads 将交易集合起来一次性批量处理，可以减少需记录在主区块链上的交易数量。这降低了用户的交易手续费，让 DApp 更具性价比。
此外，ZKThreads 将状态和交易数据存储在链下，同时通过 ZKP 保持安全性和完整性。这减少了区块链的数据负载，从而降低了 Gas 手续费。
增强安全性
ZKThreads 利用 ZKP 来增强安全性。ZKP 可以在不泄露基础数据的情况下验证交易，以此保护隐私。此外，ZKThreads 还能确保所有交易都按预定义的规则处理，防止未经授权的活动。
ZKThreads 的用例
L2 去中心化交易平台
ZKThreads 可降低用户的交易手续费，从而提高 Starknet DEX 的效率。正常情况下，如果用户每笔交易都必须支付手续费，那 Starknet 上的 DEX 就无法实际使用。但有了 ZKThreads，用户只需在提现时支付手续费，从而降低了交易的总成本，DEX 就更实用和实惠。
回合制游戏
在扑克和国际象棋等回合制游戏中，ZKThreads 有助于汇总手续费。玩家不用在每走一步时支付手续费，只需在游戏结束时将最终结果记录在 Starknet，再一次性支付费用即可。开发人员可以基于这种技术设计丰富的链上游戏，无需担心高昂的交易成本。
零知识保障隐私的安全中间件和共享流动性基础架构
ZKThreads 为预言机和桥接等中间件应用程序提供安全高效的框架。上述应用程序直接在单个 ZKThread 中构建功能，可以利用 ZKP 确保安全性和互操作性。
链上人工智能
ZKThreads 提供在区块链上直接运行人工智能模型所需的算力。也就是说，可以在单个 ZKThread 中管理人工智能程序，保持其核心数据和操作的一致性。这些人工智能模型可用在各种应用程序中，例如游戏、社交媒体平台和工作效率工具等。
