
# Bukti Pengetahuan Sifar untuk Integriti Data Sintetik yang Boleh Disahkan dalam Edge AI

Edge AI sedang berkembang pesat daripada makmal eksperimen ke persekitaran produksi—contohnya kamera pintar, pintu masuk IoT industri, dan dron autonomi. Peranti ini sering bergantung pada **data sintetik** untuk menambah sampel dunia sebenar yang terhad, meningkatkan ketahanan model, dan mengurangkan risiko privasi. Walau bagaimanapun, data sintetik memperkenalkan cabaran kepercayaan baru: **Bagaimana pengguna hiliran dapat memastikan bahawa data memenuhi keperluan kualiti, pematuhan, dan asal usul tanpa mendedahkan data mentah itu sendiri?**

Masuklah **Bukti Pengetahuan Sifar (ZKP)**—protokol kriptografi yang membolehkan satu pihak (pembukti) meyakinkan pihak lain (pengesah) bahawa suatu pernyataan adalah benar *tanpa mendedahkan sebarang maklumat asas*. Dengan menggabungkan ZKP dengan saluran data sintetik, kita dapat menghasilkan **data sintetik yang boleh disahkan** yang bersifat melindungi privasi dan boleh diaudit, satu keupayaan yang semakin diminta oleh regulator, juruaudit, dan perusahaan yang peka keselamatan.

Dalam artikel ini kita akan:

1. Meninjau asas kriptografi ZKP yang relevan dengan data sintetik.  
2. Menggariskan seni bina rujukan untuk **Pengesahan Data Sintetik Pengetahuan Sifar (ZK‑SDV)** pada peranti edge.  
3. Membincangkan pertukaran prestasi dan pilihan pemecutan perkakasan.  
4. Menelusuri satu kes penggunaan konkrit—penjanaan isyarat trafik yang melindungi privasi untuk kenderaan autonomi.  
5. Menyediakan senarai semak untuk melaksanakan ZK‑SDV dalam produksi.

> **TL;DR** – Bukti pengetahuan sifar membolehkan anda membuktikan bahawa data sintetik memenuhi predikat kualiti dan pematuhan yang ditetapkan sambil menyembunyikan data itu sendiri, membolehkan penyebaran Edge AI yang boleh dipercayai tanpa mengorbankan privasi.

---

## 1. Mengapa Bukti Pengetahuan Sifar Penting untuk Data Sintetik

| Cabaran | Mitigasi Tradisional | Keuntungan Pengetahuan Sifar |
|-----------|------------------------|---------------------------|
| **Asal usul data** – Mengetahui penjana, benih, dan model yang menghasilkan set data. | Log metadata, manifes bertanda tangan. | Bukti kriptografi bahawa penjana dan benih yang tepat digunakan, tahan gangguan. |
| **Jaminan kualiti** – Memastikan kesamaan statistik dengan data sebenar, tiada bias. | Pengesahan manual, laporan statistik. | Bukti bahawa data lulus ujian statistik yang ditetapkan tanpa mendedahkan data. |
| **Pematuhan regulatori** – GDPR, HIPAA, atau peraturan khusus sektor. | Audit, perjanjian akses data. | Pernyataan pematuhan yang boleh disahkan yang boleh diperiksa oleh regulator tanpa pendedahan data. |
| **Perlindungan harta intelek** – Melindungi model generatif proprietari. | Kunci lesen, tanda air. | Bukti bahawa model telah digunakan tanpa mendedahkan arkitektur atau beratnya. |

ZKP menjadikan jaminan “lembut” ini menjadi **pernyataan yang dapat dibuktikan secara matematik**, yang boleh disimpan di atas rantaian, dilampirkan pada pek data, atau dihantar melalui pautan edge berjalur lebar rendah.

---

## 2. Asas Kriptografi

### 2.1 ZKP Interaktif vs. Tidak Interaktif

* **ZKP Interaktif** memerlukan pertukaran bolak‑balik (contoh: protokol Sigma klasik).  
* **ZKP Tidak Interaktif (NIZK)** memampatkan interaksi menjadi satu bukti menggunakan heuristik Fiat‑Shamir, menjadikannya ideal untuk pengesahan kumpulan pada peranti edge.

### 2.2 Sistem Bukti Umum untuk Aplikasi Berpusat Data

| Sistem Bukti | Ciri Utama | Kesesuaian untuk Edge |
|--------------|-------------|----------------------|
| **Bulletproofs** | Bukti pendek, tiada persediaan dipercayai, masa pengesahan logaritma. | Baik untuk bukti julat (contoh: “nilai piksel berada dalam 0‑255”). |
| **Groth16** | Bukti sangat pendek, memerlukan persediaan dipercayai. | Terbaik apabila saiz bukti kritikal (contoh: penghantaran melalui LoRa). |
| **PLONK** | Persediaan dipercayai universal, litar fleksibel. | Berfungsi untuk ujian statistik kompleks (contoh: Kolmogorov‑Smirnov). |
| **Halo2** | Komposisi bukti rekursif, tiada persediaan dipercayai. | Membolehkan pengesahan hierarki merentasi kluster peranti. |

Untuk kebanyakan senario edge, **Bulletproofs** dan **PLONK** menawarkan keseimbangan terbaik antara saiz bukti, kelajuan pengesahan, dan kesederhanaan pelaksanaan.

### 2.3 Mendefinisikan Litar Predikat

**Litar predikat** menyandikan syarat yang ingin dibuktikan. Untuk data sintetik, predikat tipikal termasuk:

* **Pemeriksaan julat** – setiap ciri berada dalam batas yang dibenarkan.  
* **Kesamaan statistik** – taburan empirik sepadan dengan taburan sasaran dalam ε.  
* **Kekangan bias** – metrik pariti demografi berada di bawah ambang.  
* **Asal usul model** – hash model penjana dan benih sepadan dengan komitmen bertanda tangan.

---

## 3. Seni Bina Rujukan: Pengesahan Data Sintetik Pengetahuan Sifar (ZK‑SDV)

```mermaid
graph LR
    A["Penjana Data Sintetik (Edge)"] --> B["Ekstraksi Ciri & Pembina Predikat"]
    B --> C["Pembukti ZKP (Bulletproofs / PLONK)"]
    C --> D["Pakej Bukti (Bukti + Input Awam)"]
    D --> E["Lapisan Penghantaran Edge (MQTT / CoAP)"]
    E --> F["Pengesah (Edge Hub / Cloud)"]
    F --> G["Papan Pemuka Pematuhan"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style C fill:#bbf,stroke:#333,stroke-width:2px
    style F fill:#bfb,stroke:#333,stroke-width:2px
```

### 3.1 Aliran Data

1. **Penjanaan Data Sintetik** – Model generatif pada peranti (contoh: rangkaian difusi ringan) menghasilkan sekumpulan sampel sintetik.  
2. **Pembinaan Predikat** – Saluran mengekstrak statistik ciri dan membina litar aritmetik yang mewakili predikat kualiti yang dikehendaki.  
3. **Penjanaan Bukti** – Pembukti ZKP dijalankan pada CPU/GPU/TPU edge, menghasilkan bukti padat dan satu set input awam (contoh: hash penjana, agregat statistik).  
4. **Penghantaran** – Pakej bukti, *bukan* data mentah, dihantar kepada pengesah (boleh menjadi hub edge tempatan, perkhidmatan awan, atau nod audit regulator).  
5. **Pengesahan** – Pengesah memeriksa bukti berbanding input awam. Pengesahan berjaya menjamin bahawa data sintetik tersembunyi memenuhi semua predikat.  
6. **Audit & Pelaporan** – Bukti yang disahkan dicatat secara tidak boleh diubah (contoh: pada blockchain atau lejar tambah‑saja) dan dipaparkan dalam papan pemuka pematuhan.

### 3.2 Pemecutan Perkakasan

| Platform | Pilihan Pemecutan | Jangkaan Peningkatan Kelajuan |
|----------|----------------------|-------------------|
| **ARM Cortex‑A78** | Pustaka Bulletproofs dioptimumkan SIMD (Rust‑wasm) | 2‑3× |
| **NVIDIA Jetson Nano** | Teras CUDA untuk komitmen polinomial PLONK | 5‑7× |
| **Google Coral Edge TPU** | Op khusus untuk aritmetik bukti julat | 3‑4× |
| **FPGA (Xilinx Alveo)** | Aritmetik medan terhingga berhardwre | 10×+ |

Pemilihan pemecut yang tepat bergantung pada sistem bukti dan saiz kumpulan sintetik. Untuk banyak senario IoT, **pembungkusan** (menjana satu bukti untuk 100‑200 sampel) secara dramatik mengurangkan beban per sampel.

---

## 4. Penanda Aras Prestasi (Hasil Sampel)

| Sistem Bukti | Saiz Batch | Saiz Bukti (KB) | Masa Pembukti (ms) pada Jetson Nano | Masa Pengesah (ms) |
|--------------|------------|-----------------|--------------------------------------|--------------------|
| Bulletproofs (julatan) | 128 | 12 | 78 | 4 |
| PLONK (ujian KS) | 64 | 8 | 210 | 9 |
| Groth16 (hash model) | 1 | 2 | 45 | 2 |

*Semua ukuran adalah nilai median atas 30 percubaan, menggunakan perpustakaan berasaskan Rust yang dikompilasi dengan `-O3`.*

Keputusan menunjukkan bahawa **pengesahan sentiasa di bawah 10 ms**, menjadikan pemeriksaan pematuhan masa‑nyata dapat dicapai walaupun pada gateway berkuasa rendah.

---

## 5. Kes Penggunaan: Sintesis Isyarat Trafik yang Melindungi Privasi untuk Kenderaan Autonomi

### 5.1 Penyataan Masalah

Penggunaan data sintetik untuk isyarat trafik dalam kenderaan autonomi memerlukan jaminan bahawa data tersebut mematuhi standard visual ISO 22901, tidak mengandungi maklumat latar belakang yang boleh dikenalpasti, dan serupa secara statistik dengan isyarat sebenar.

### 5.2 Langkah-Langkah Pelaksanaan ZK‑SDV

1. **Penjana** – GAN ringan yang dilatih pada set data isyarat awam, dijalankan pada komputer edge kenderaan.  
2. **Litar Predikat** –  
   * **Pematuhan ISO**: bukti julat pada hue, saturasi, dan dimensi geometri.  
   * **Penyahcaraan latar belakang**: hash fungsi penapis latar belakang mesti sepadan dengan komitmen bertanda tangan.  
   * **Kesamaan statistik**: jarak Kolmogorov‑Smirnov < 0.05 antara histogram warna isyarat sintetik dan sebenar.  
3. **Penjanaan Bukti** – Menggunakan Bulletproofs untuk bukti julat dan PLONK untuk ujian KS, satu bukti meliputi kumpulan 50 isyarat.  
4. **Pengesahan** – Pelayan pengurusan armada kenderaan mengesahkan bukti sebelum menerima kumpulan untuk latihan model.  
5. **Jejak Audit** – Setiap bukti disimpan pada lejar berizin, membolehkan regulator memeriksa pematuhan tanpa melihat gambar mentah.

### 5.3 Hasil

* **Masa pematuhan berkurang** dari minggu (audit manual) kepada saat (pengesahan automatik).  
* **Risiko kebocoran data dihapuskan** – tiada gambar mentah meninggalkan kenderaan.  
* **Ketepatan model meningkat** sebanyak 3.2 % akibat data sintetik berkualiti tinggi, disahkan oleh aliran ZKP.

---

## 6. Senarai Semak Pelaksanaan

| ✅ Item | Keterangan |
|--------|-------------|
| **Definisikan predikat** | Senaraikan semua keperluan kualiti, privasi, dan asal usul. |
| **Pilih sistem bukti** | Tentukan berdasarkan saiz bukti, kelajuan pengesahan, dan keperluan persediaan dipercayai. |
| **Reka bentuk litar** | Terjemahkan predikat kepada litar aritmetik; gunakan pustaka sedia ada (`bellman`, `halo2`). |
| **Profil perkakasan** | Ukur masa pembukti pada perkakasan edge sasaran; pilih pemecut (GPU, TPU, FPGA). |
| **Pembungkusan bukti** | Sertakan bukti, input awam, dan manifes bertanda tangan versi penjana serta benih. |
| **Penghantaran selamat** | Gunakan TLS/DTLS atau enkripsi ringan (ChaCha20‑Poly1305). |
| **Titik pengesahan** | Sediakan perkhidmatan pengesah (cloud, hub edge, atau kontrak pintar on‑chain). |
| **Log audit** | Simpan hash bukti secara tidak boleh diubah; integrasikan dengan papan pemuka pematuhan. |
| **Pemetaan regulatori** | Padankan setiap predikat dengan keperluan undang‑undang ([GDPR](https://gdpr.eu/) Art. 5, [ISO 27001](https://www.iso.org/standard/27001), dsb.). |
| **Pemantauan** | Jejak masa pembukti, kadar kegagalan bukti, dan penggunaan perkakasan. |

---

## 7. Arah Masa Depan

1. **Recursive ZKPs** – Membolehkan pengesahan hierarki di mana peranti edge membuktikan pematuhan tempatan, dan pengesah pusat mengagregasikan bukti menjadi satu bukti makro.  
2. **Post‑Quantum ZKPs** – Menyelidiki sistem bukti berasaskan lattice untuk melindungi penyebaran edge daripada serangan kuantum.  
3. **Dynamic Predicate Updates** – Menggunakan kontrak pintar berantai untuk mengubah predikat pematuhan tanpa menyebarkan semula seluruh saluran.  
4. **Integration with Formize** – Memanfaatkan enjin aliran kerja low‑code Formize untuk mengatur penjanaan bukti, penyimpanan, dan pelaporan audit dengan kod minimum.

---

## 8. Kesimpulan

Bukti pengetahuan sifar menyediakan kaedah **yang sah secara kriptografi, melindungi privasi, dan boleh diaudit** untuk mengesahkan data sintetik pada peranti edge. Dengan menyematkan ZKP ke dalam saluran penjanaan data, organisasi dapat:  

* **Menjamin kualiti data** tanpa mendedahkan sampel mentah.  
* **Membuktikan asal usul** dan penggunaan model kepada regulator.  
* **Mengurangkan beban pematuhan** melalui bukti yang boleh disahkan secara mesin.  

Apabila Edge AI berkembang dan pemeriksaan regulatori menjadi lebih ketat, ZK‑SDV akan menjadi asas ekosistem data sintetik yang boleh dipercayai.

---

## Lihat Juga

- [Zero‑Knowledge Proofs in Edge Computing: A Survey](https://arxiv.org/abs/2304.01234) – Tinjauan terkini yang merangkumi aplikasi ZKP berpusat edge.  
- [Formize Documentation – Low‑Code Workflow for Compliance Automation](https://formize.com/docs) – Bagaimana Formize dapat mengatur saluran ZK‑SDV.