原文編輯：Biteye 核心貢獻者Crush
原文編輯：Biteye 核心貢獻者Crush
二級標題
二級標題
01 STARKs, StarkEx, StarkNet
1.1 STARKs
STARKs（Scalable,一級標題
二級標題
Transparent ARgument of Knowledge）是一種可以證明和驗證計算的證明系統，旨在提高以太坊的擴展性。
它允許將大型計算從鏈上轉移到鏈下以降低成本，為計算的正確性生成證明，然後在鏈上進行少量的計算來驗證證明。即驗證者通過在鏈上執行非常少的操作來判斷鍊下完成的計算的完整性。
SNARKs （Succinct，Non-Interactive，Argument，Knowledge）是一個簡潔的非交互式的證明。 STARKs 和SNARKs 都是ZK Rollups 的解決方案。
圖片描述
圖片描述
（來源：SUSS NiFT, ChatGPT）
1. 去信任
相比SNARKs, STARKs 具有以下三個優勢：
1. 去信任
STARKs 公開可驗證隨機來取代SNARKs 的可信設置，減少對參與人的依賴，提高協議安全性。
2. 更強的擴展能力
STARK 具有驗證的對數壓縮特性，即使底層計算的複雜性呈指數級增長，STARKs 依然保持了較低的證明和驗證時間，而非像SNARKs 線性增長。
但是STARKs 的證明尺寸比SNARKs 大，因此L2交易量較低時就會難以分攤證明成本，出現較大的確認延遲。但是當證明規模增加，使用STARKT 的邊際成本會遞減，適合大規模應用。此外，相對於SNARKs，目前STARKs 採用率不足，基礎工具還有待完善。
圖片描述
（來源：SUSS NiFT，ChatGPT）
二級標題
1.2 StarkEx
二級標題
二級標題
StarkEx 是一個需要許可的、為特定應用程序定制的擴展解決方案的框架。項目可以使用StarkEx 來進行低成本的鏈下計算，生成證明執行正確性的STARK 證明。
這樣的證明包含12, 000 – 500, 000 筆交易。最後將證明發送到鏈上的STARK 驗證器，驗證正確後接受狀態更新。
StarkEx 提供了3 種數據存儲方式。在ZK-Rollup 模式下，數據存儲在鏈上，使數據去中心化，便於用戶跟踪和監督。
在StarkEx 上部署的應用程序包括永久期權dYdX、NFT L2 Immutable、體育數字卡牌交易市場Sorare 和多鏈DeFi聚合器rhino.fi。
二級標題
1.3 StarkNet
二級標題
與應用程序負責提交交易的StarkEx 不同，StarkNet 的排序器批量交易並發送它們進行處理和證明。
二級標題
1.4 Cairo
Cairo 是用於STARK 證明通用計算定制的編程語言, 使開發、審查和維護代碼更簡單、快捷，不受EVM 限制，可以拋棄以太坊的歷史負擔做更複雜的計算如賬戶抽象，在遊戲開發上也更加靈活，支持全鏈上游戲。
二級標題
1.5 SHARP(shared prover) 共享證明器
一級標題
一級標題
一級標題
StarkNet 代幣可以作為原生代幣支付Gas 費用，相比其他使用ETH做給Gas 費用的L2，StarkNet 代幣更能捕獲生態價值，且降低了ETH 這外生代幣帶來的衝擊。
圖片描述
圖片描述
StarkNet 明確給開發者和過去StarkEx 用戶獎勵，但未明確StarkNet 用戶是否有空投。首次代幣分配中有8.1% 的代幣還未決定用途，具體方式由社區決定。
一級標題
03 StarkWare 融資情況
圖片描述
圖片描述
一級標題
圖片描述
一級標題
二級標題
Eli Ben-Sasson
二級標題
二級標題
Eli 是STARK、FRI 和Zerocash 協議的共同發明人，也是Zcash 公司的創始科學家。多年來，他在普林斯頓高等研究院、哈佛大學和麻省理工學院擔任研究職位。
二級標題
Uri Kolodny
二級標題
他擁有希伯來大學計算機科學學士學位（優等生）和麻省理工學院斯隆管理學院的MBA 學位。 Uri 是一位連續創業者，曾共同創立了幾家科技公司，包括Mondria（開髮用於大數據可視化的工具）。
一級標題
05 競爭對手
圖片描述
圖片描述
圖片描述
1. https://dune.com/gm 365/L2
2. https://www.coingecko.com/
3. https://defillama.com/
（來源：SUSS NiFT）
Vitalik 在ETHSeoul 期間表示，雖然Optimistic Rollups 更加發達，但ZK Rollups 技術的基礎將使其最終能夠取代Optimistic Rollups。雖然ZK Rollups 速度更快，但它們缺少以太坊虛擬機(EVM)，這使得運行dApps 具有困難。因為EVM 是dApps 的主要處理單元。所以基於ZK 的Rollups 正在開發兼容EVM 的方案。如果開發進程緩慢，則ZK Rollups 有可能失去先發優勢，讓Optimistic Rollups 穩坐寶座。這類似於以太坊和其他L1之間的競爭，雖然以太坊的性能不是最好的，但是憑藉先發優勢牢牢吸收住最多的資金和最優秀的開發者。
圖片描述
圖片描述
圖片描述
（來源：Messari, SUSS NiFT）
Type-1 是ETH 等效，可100% 無縫使用EVM 基礎設施，但證明過程很緩慢。 Taiko 通過在零知識證明生成前快速確認最終性來減輕這一缺點。
具體方式即只需證明過去狀態X 有效，且在X 之後沒有來自賬戶A 的交易，因此用戶可以提取其在狀態X 中的代幣。目前已經完成alpha-2 中測試了去中心化證明和協議經濟學，其中有126 位獨立證明者，已證明了93, 146 個區塊，證明時間在130 到160 秒之間。
Taiko 目前已經棄用了alpha-2,並將在第二季度推出alpha-3 。由於Type-1 zkEVM 在實現等效性方面毫不妥協，具有較大的複雜性，今年可能不會有主網。
Type-2 EVM 等效，證明速度相對Type-1 改善，但仍舊慢。 Type 2 是Scroll，Linea 的目標,Polygon zkEVM 已經實現。
Polygon zkEVM 主網Beta 版本已經於3 月27 日如期上線。在主網Beta 的第一階段，專門的安全委員會將能夠快速升級Polygon zkEVM。在第二階段，將採取一系列措施，以確保在出現任何問題時用戶能夠得到保護，但權力下放程度更高，並且沒有具有特權訪問權限的安全委員會。
Gas Fee 以ETH 支付，預計未來Polygon zkEVM 中的質押和治理將使用MATIC 代幣，此外，Polygon zkEVM 通過ERC-4337 支持帳戶抽象，將允許用戶使用任何代幣支付費用。
Scroll 和以太坊基金會一起開源開發zkEVM,將通過並行計算和證明外包給曠工來縮短證明時間。 Scroll 處於Alpha 測試網階段,可以進行跨鍊和轉賬,已經無障礙運行兩個月，預計二季度上線主網。
3 月28 日，ConsenSys 宣布將ConsenSys zkEVM 重塑為Linea，目前向所有開發人員、用戶或協議開放測試。 Linea 通過MetaMask 和Truffle 等原生集成，將零知識證明與EVM 等效性相結合，為開發者提供靈活性和可擴展性，無需ZK 技術專業知識。
Type-4,Linea 採用多證明人系統，當代碼中存在漏洞時，多重簽名可以強制執行特定結果。通過這個系統，一個rollup 將利用幾種具有不同安全級別的證明機制，以消除單證明人rollup 存在的單點故障風險。
Type-3 幾乎EVM 等效，更快的證明，但部分app 需要重新開發。 Type 3 是Scroll 目前所處的過渡階段。 Kakarot 是一個用Cairo 編寫的zkEVM,作為EVM 字節碼的解釋器，最終可能成為StarkNet 上的L3，目前歸類Type-3 。
將用高級語言如Solidity 編寫的智能合約源代碼，編譯成ZK-SNARK 友好的語言。證明速度很快，但不太兼容。
一級標題
一級標題
06 總結
一級標題
06 總結
StarkNet 採用了基於STARK 的Rollup 路線，雖然該方案相對於其他方案在去中心化、去信任、抗審查等方面有明顯的優勢，但是由於該方案的開發工具尚不成熟，研發難度也很大，性能還有待提升。
此外，雖然StarkNet 已經得到了機構投資者的支持，但目前仍處於試用階段，尚未完全成熟。 StarkNet 下一階段的重點是將現在由Python 開發的sequencer 升級為由Rust 進行開發，提高區塊鏈的性能。
此外是提高生態內項目的豐富度和成熟度。加密原生用戶可以去體驗生態內項目，但需注意項目的風險，選擇參與前需要進行充分的風險評估。
雖然StarkNet 具有抗量子攻擊的特性，但是否會成為擴容的終局還有待觀察。因此，對於StarkNet 的未來發展，我們需要持續關注和評估。
區塊鏈的安全性是整個生態系統的重中之重，底層基礎層的安全性絕不能被忽視、妥協、讓步、或折衷，否則整個生態系統與賬本將會失去用戶的信任。
因此，在基礎層的設計中，需要選擇最為安全的共識算法，即使它的能源消耗可能很高。這個問題可以通過採用類似在納斯達克上市的Irish Energy Limited 所倡導的可再生能源挖礦來解決。
相比之下，第二層的中心化程度可以更高，以實現更高的效率和靈活性。不管是底層還是上層，都需要遵循合理的設計原則，以確保整個生態系統的安全性和可靠性。
任何依賴於以太坊基礎層安全性的第二層或應用，都必須對基礎層的共識算法有充分的信心，確保其安全性不受損害。這可能是社區面臨的最大系統性風險。
免責聲明：
本文使用了ChatGPT 進行內容增強。 ChatGPT 是一種人工智能語言模型，它基於先進的技術進行訓練，並可以生成人類可理解的語言。以上StarkNet 分析內容僅供讀者了解和學術研究使用，並不構成任何投資建議。
