近日，2025级硕士生卢必然（导师华强胜教授）的论文“LightZK: An Efficient GPU Acceleration Framework for Large-Scale Zero-Knowledge Proofs”被ACM Transactions on Architecture and Code Optimization（TACO）期刊录用。

零知识证明（Zero-Knowledge Proof, ZKP）能够在不泄露隐私信息的前提下验证声明的真实性，是隐私保护与区块链扩容的重要技术。然而，零知识证明的生成涉及大量复杂的密码学运算，计算开销高昂。当计算规模增长至十亿级约束时，现有GPU加速框架面临存储容量不足、计算方法难以适配以及数据传输与计算协同效率低等挑战。针对这些问题，论文提出面向大规模零知识证明的GPU加速框架LightZK，围绕分块执行模型，构建了一套面向Groth16证明生成的端到端优化方案。首先，论文通过GPU微架构分析，揭示多标量乘法中的寄存器压力与指令级并行度不足等性能瓶颈，并设计针对性的计算优化方法；其次，通过受存储容量约束的递归分块与数据布局优化，实现大规模数论变换的高效执行；最后，基于证明生成流程的数据依赖关系，协同调度磁盘、主存与显存之间的数据传输及计算任务，降低存储需求与流水线等待开销。实验结果表明，LightZK在常规规模下，相较领先的可运行GPU基线实现取得了2.8倍的端到端加速，并能够在单节点上完成2³⁰（约十亿）规模约束的证明生成，展现出良好的性能与可扩展性，为大规模零知识证明的实际应用提供了高效的计算支撑。

ACM Transactions on Architecture and Code Optimization（TACO）是计算机系统结构和编译领域的权威国际学术期刊，也是中国计算机学会CCF A类期刊。

（通讯员：卢必然）