喜讯！ARClab团队论文被国际顶级会议USENIX Security录用
近日，浙江大学计算机系统结构实验室（http://arc.zju.edu.cn/）的论文《TensorZKP: Repurposing GPU Tensor Cores for High-Performance Zero-Knowledge Proofs》被网络与信息安全领域顶级学术会议USENIX Security '26正式录用。该论文在王总辉老师、张嘉恒老师和陈文智教授的共同指导下完成，首次将现代GPU张量核心（Tensor Core）引入零知识证明（ZKP）加速之中，突破了以往证明生成仅依赖通用SIMT核心的技术路线，在密码学计算与AI硬件演进的融合上取得了新的突破。
会议介绍
USENIX Security 是计算机系统安全与隐私领域历史最悠久、影响力最大的顶级国际学术会议之一，与 IEEE S&P、ACM CCS、NDSS 并称为网络与信息安全领域的“四大顶会”，被中国计算机学会（CCF）列为 A 类会议。作为由 USENIX 协会主办的旗舰会议，USENIX Security 以严苛的评审标准、极低的录用率以及对系统实现完备性与实验充分性的高要求而著称，长期是安全、密码学与系统交叉领域研究人员发表高质量成果的首选目标之一。
研究背景
零知识证明（Zero-Knowledge Proof, ZKP）是一种基础性密码学原语，允许证明方在不泄露任何秘密信息的前提下向验证方证明某一论断的正确性，近年来在区块链、匿名支付与可验证机器学习等场景中广受关注。然而，其证明生成被建模为大素数有限域上的算术电路，相较普通执行会带来数个数量级的额外开销，始终是实际部署的核心瓶颈。
与此同时，在人工智能浪潮的推动下，GPU 中的张量核心（Tensor Core）已取代通用 SIMT 核心成为算力主引擎，为矩阵密集型负载带来指数级性能提升。但现有面向 ZKP 的 GPU 实现仍无一例外地仅依赖 SIMT 核心，令强大的张量核心算力被完全闲置。其中，HyperPlonk 将电路约束分解为门约束与连线约束并统一归约到 sum-check 协议，以线性复杂度 O(n) 取代传统协议对 FFT 的依赖，是高性能证明系统的代表性方案，也是 TensorZKP 端到端加速的重要目标。
图 1 HyperPlonk 协议流程概览
方案设计
将张量核心用于 ZKP 加速绝非易事，其根本困难源于硬件与密码学之间的三重错配：一是精度错配，张量核心专为FP8、UINT8 等低精度运算设计，不适配 ZKP 所需的高精度有限域算术；二是结构错配，张量核心仅支持矩阵乘法，而 sum-check 协议、线性时间编码器等原语并不天然契合矩阵范式；三是系统级约束，张量核心要求规整的数据布局与线程束内的协同同步执行，使现有 SIMT 框架无法直接兼容。
为此，我们提出首个利用 GPU 张量核心加速零知识证明的框架 TensorZKP：其一，设计以矩阵为中心的有限域算术框架，将向量内积与向量-标量乘法重构为矩阵乘法，并借助整体结构实现“惰性模约减”，大幅摊薄模运算开销；其二，对 sum-check 协议与 Spielman 码进行算法-硬件协同重设计，将数据流改造为稠密矩阵乘法并分块访存以提升缓存局部性；其三，构建异步线程束特化（warp-specialized）执行框架，以生产者-消费者模型解耦访存与计算，并流水化调度张量核心矩阵累加与SIMT 模约减。最终以 HyperPlonk（PIOP）与 Brakedown（PCS）实现端到端证明生成。
实验评估
我们在 ZKP 模块与端到端证明生成两个层面对 TensorZKP 进行了评估。在模块层面，相较最先进的 GPU 基线，其在sum-check 协议上取得约 88 倍加速、在线性时间编码器上取得约 22 倍加速。在端到端层面，对于包含 2^25 个乘法门的电路，TensorZKP 的证明生成时间仅为 215.28 毫秒，较 CPU 基线加速约 955 倍，较最先进的 SIMT GPU 实现亦提升约 36.2 倍。这表明 TensorZKP 首次成功将 ZKP 负载映射到张量核心之上，为高性能零知识证明的实用化部署开辟了新路径。
图 2 端到端证明生成时间对比（CPU / SIMT GPU / TensorZKP，对数坐标）
作者介绍
论文由浙江大学计算机系统结构实验室（ZJU ARClab）团队完成。第一作者陆涛为浙江大学计算机系统结构实验室毕业博士，主要研究方向为密码学工程与GPU高性能计算。