Jolt Atlas: 제로 지식 추론을 위한 조회 인수 프레임워크

초록

Jolt Atlas는 Jolt의 조회 기반 증명 방식을 ONNX 텐서 연산에 직접 적용해, 비선형 함수와 대규모 행렬 연산을 효율적으로 검증한다. BlindFold와 HyperKZG를 활용해 제로 지식성을 확보하고, 메모리 제한 환경에서도 스트리밍 방식으로 증명을 생성한다.

상세 분석

Jolt Atlas는 기존 zkVM이 CPU 레지스터와 메모리 모델을 에뮬레이션하는 방식과 달리, ONNX 표준을 기반으로 한 텐서 그래프를 직접 증명 대상으로 삼는다. 핵심은 “lookup argument”와 “sumcheck 프로토콜”의 결합이다. 조회 인수는 (q, v) 쌍이 미리 정의된 테이블 T에 존재함을 증명함으로써 비선형 연산(예: ReLU, Softmax)을 다항식으로 직접 아리쓰메틱화할 필요를 없앤다. 이는 다항식 차수와 제약식 수를 급격히 감소시켜, 기존 Halo2‑ 기반 zkML이 겪는 비선형 연산 병목을 해소한다.

Jolt Atlas는 이러한 조회 인수를 다중 단계 sumcheck DAG에 배치한다. 외부 sumcheck은 전체 연산 흐름을 검증하고, 내부 sumcheck은 각 테이블에 대한 프리픽스‑서픽스 분해와 가상 다항식(virtual polynomial) 기법을 통해 메모리 사용량을 O(|T|¹ᐟᶜ) 로 축소한다. 여기서 C는 스트리밍 패스 수이며, 프로버는 C번의 순차적 패스로 전체 테이블을 처리한다. 이 설계는 메모리 제한이 심한 모바일 디바이스에서도 증명 생성이 가능하도록 만든다.

제로 지식성을 확보하기 위해 Jolt Atlas는 Vega에서 제안된 BlindFold 기법을 차용한다. BlindFold는 증명 과정에서 사용되는 다항식 평가값을 블라인드된 형태로 커밋하고, 검증자는 Fiat‑Shamir 변환으로 생성된 챌린지를 통해 해당 커밋을 열어본다. 이때 HyperKZG(다중선형 KZG) PCS를 사용해 투명한 설정 없이도 짧은 검증 증명을 제공한다. HyperKZG는 Gemini 변환을 기반으로 하여 다중선형 다항식에 대한 효율적인 개방형 커밋을 가능하게 하며, on‑chain 검증 비용을 크게 낮춘다.

또한 Jolt Atlas는 “neural teleportation”이라는 테이블 압축 기법을 도입한다. 비선형 연산에 필요한 조회 테이블을 신경망 가중치와 동일한 구조로 재구성해, 원본 테이블 크기의 10‑30% 수준으로 축소하면서도 정확도 손실을 거의 발생시키지 않는다. 이는 특히 대규모 언어 모델에서 비선형 활성화 함수에 대한 조회 테이블이 폭발적으로 커지는 문제를 완화한다.

성능 평가에서는 nanoGPT(0.25 M 파라미터)와 GPT‑2(125 M 파라미터) 모델에 대해 실험했으며, 기존 zkML 프레임워크 대비 증명 생성 시간이 5‑10배 가량 빠르고, 증명 크기도 30‑40% 감소했다. 특히 스트리밍 모드에서는 피크 메모리 사용량이 2 GB 이하로 유지돼, 일반 스마트폰 수준의 RAM에서도 실행 가능함을 보였다.

전체적으로 Jolt Atlas는 조회‑중심 증명 체계와 ONNX 기반 텐서 그래프를 결합함으로써, 비선형 연산과 대규모 행렬 연산을 동시에 효율적으로 검증하고, 제로 지식성을 유지하면서도 메모리·시간 효율성을 크게 향상시킨다. 이는 온‑디바이스 AI 검증, 프라이버시 보호형 AI 서비스, 그리고 신뢰 없는 에이전트 상거래 등 다양한 실용 시나리오에 적용 가능성을 열어준다.