本文研究了密码学模型认证（CMC）协议中的安全假设与实际部署之间的差距。隐私保护的机器学习审计协议允许审计员评估模型的准确性或公平性，而无需暴露模型内部或训练数据，因此特别适用于医疗、金融等敏感领域。然而，现有安全定义通常仅保证模型在固定审计数据集上的行为，未能确保这些保证推广到同一分布的其他数据集。作者展示了这一漏洞允许模型提供者通过精心设计训练数据来攻击基于零知识证明（ZKP）的CMC方案：可以生成一个在审计时表现正常（如准确率>99%），但在实际部署中表现异常（如准确率<30%）的模型。为了弥补这一差距，作者形式化了针对CMC框架的严格密码学安全概念，提出了一个通用协议模板，并证明了其满足这些要求。实验结果表明现有方法存在隐患，并为设计安全的隐私保护机器学习审计协议提供了指导。

本文提出ACORN，一种用于安全聚合协议的输入验证框架。安全聚合允许多方在不泄露各自私密输入的情况下计算聚合结果，但现有方案容易受到恶意参与者的投毒攻击或系统故障导致的错误输入影响。ACORN通过引入高效的零知识证明（ZKP）和分布式验证机制，使聚合方能够在不查看原始数据的情况下验证每个输入是否符合预设约束（如范围、格式、一致性），同时保持通信和计算开销与标准安全聚合相当。核心贡献包括：设计了一种针对向量和标量输入的通用验证协议，支持多种统计约束；利用同态加密和承诺方案实现可验证的隐私保护；在域内域外实验（如联邦学习梯度聚合）中表明ACORN仅增加约20%的通信成本，且验证延迟在毫秒级。该工作为安全聚合的实际部署提供了关键缺失的完整性保障，特别适用于联邦学习、隐私投票和分布式数据分析等场景。

本文针对q-Strong Diffie-Hellman（q-SDH）参数的分布式安全生成问题，提出了一种异步网络下的高效协议。q-SDH参数是零知识简洁非交互式知识论证（zk-SNARKs）、多项式/向量承诺、可验证秘密共享和随机信标等多种密码学原语的基础。现有唯一安全生成方法高度顺序化，依赖同步假设，且通信和计算成本极高：对于给定q，每方通信成本为Ω(nq)，需要Ω(n)轮（n为多方计算协议中的参与方数量）。由于q通常高达数十亿，现有方案成本难以承受。本文协议在异步网络中运行，容错能力为最多1/3恶意节点。每方通信成本为O(q + n² log q)，协议在期望O(log q + log n)轮内完成。协议采用了包括可验证秘密共享、异步共识和多项式承诺等技术的组合，通过将q-SDH参数生成分解为多个子任务并行执行，并利用异步网络特性减少同步等待开销。安全性分析证明了协议在异步网络假设下的正确性和安全性。实现评估在最多128个地理分布节点上进行，结果显示相较于现有同步协议，运行时间提升2-6倍，每方带宽使用降低4-13倍，展示了良好的可扩展性。本文是首个在异步环境中高效生成q-SDH参数的工作，为大规模应用提供了可行方案。

零知识证明是许多安全系统中的关键密码学组件，但传统零知识证明通常基于固定有限域（如素数域）上的算术运算，这限制了它们在表达复杂程序时的灵活性，因为某些操作在特定域中更为高效。例如，现代计算机普遍采用32位或64位整数算术，而固定有限域难以直接模拟这种计算模型。本文提出了一种支持混合模式算术以及Z2k（2的幂次环）的高效零知识证明方案。作者通过引入新的协议和证明技术，允许证明者在同一证明中组合不同模数的算术运算（如同时使用素数域和Z2k），从而更贴近实际编程模型。实验结果表明，该方法在证明大小和验证效率上具有竞争力，显著减少了对中间转换的需求，提升了零知识证明在复杂计算（如整数运算、位操作）中的实用性。该工作为构建更灵活的零知识证明系统提供了理论基础，适用于隐私保护计算、区块链、电子投票等需要高效验证计算的场景。

零知识证明（ZKP）允许证明者在不泄露私有数据的情况下向验证者证明计算正确性，兼顾隐私与可验证性。然而，证明生成过程计算密集，主要涉及多项式（POLY）和椭圆曲线（EC）运算。这两类工作负载对硬件加速提出两个关键挑战：高效支持多种大精度模乘运算，以及在动态切换的 POLY 和 EC 阶段之间保持高利用率。现有可重构加速器仅部分解决这些问题，在精度可扩展性、算法灵活性和资源效率方面仍有限。为克服这些局限，本文提出 ZK-Flex，一个灵活可扩展的软硬件协同设计框架。软件层包含 POLY 和 EC 优化器，通过硬件和工作负载感知的算法选择减少计算量；硬件层集成 TCore（基于 Toom-Cook 的多精度核），配备灵活的网络互连和链表内存机制，在有限内存容量下提高并行度。在代表性 ZKP 基准测试中，ZK-Flex 相比现有技术实现 5 到 11 倍加速，面积效率提升高达 3.8 倍，为高性能可重构 ZKP 加速奠定新基础。

本文提出 Springproofs，一种新的内积论证（IPA）框架，支持任意长度的向量，无需填充零，从而避免了额外的计算开销。核心创新在于一种递归压缩结构，使得证明大小与原始 IPA（如 Bulletproofs）相同，但计算效率更高。实验表明，当向量长度略大于2的幂时，Springproofs 在范围证明上的速度几乎是 Bulletproofs 的两倍。将 Springproofs 集成到门罗币（Monero）中，在交易生成和验证方面均优于基于 Bulletproofs 的方案。此外，Springproofs 可应用于通用算术电路（如 SHA256、Merkle 树和典型统计计算），性能优于 Bulletproofs。有趣的是，Springproofs 扩展了 Bulletproofs 性能超过 Groth16 的参数范围，同时继承了 Bulletproofs 无需可信设置、聚合和批量验证等优点。该框架在加密货币的机密交易和智能合约中的特定算术电路隐私计算方面具有广泛应用前景。