Ein Zero-Knowledge-Beweis bedeutet normalerweise, dass jemand einen sehr spezifischen Schaltkreis für genau eine sehr spezifische Sache gebaut hat. Ein Beweis dafür, dass ein Guthaben über einer Zahl liegt. Ein Beweis dafür, dass eine Abstimmung korrekt ausgezählt wurde. Eine einzige eng umrissene Aufgabe, ein maßgeschneiderter Schaltkreis nur dafür – und wenn du etwas anderes beweisen willst, fängst du im Grunde von vorn an.
Newtons Streitsystem funktioniert nicht so, und es hat mich eine Minute gekostet, um tatsächlich zu verstehen, warum. Statt für jede Person, die eine Richtlinie schreibt, einen neuen Schaltkreis zu bauen, haben sie die gesamte Rego-Policy-Engine übernommen – den eigentlichen Interpreter, der Compliance-Regeln ausführt – und das Ganze in eine allgemeine, zweckfreie zkvm (Zero-Knowledge Virtual Machine) kompiliert. Jede in Rego geschriebene Policy, wie z. B. eine Sanktionsprüfung, eine Geschwindigkeitsbegrenzung oder eine mehrstufige Regel zur Anspruchsberechtigung, egal was es ist, wird dadurch automatisch beweisbar. Keine neue Schaltkreisarbeit pro Policy erforderlich. Nicht jede einzelne Regel wurde beweisbar gemacht, sondern die Engine selbst.
Das funktioniert nur, weil da etwas ist, das beinahe langweilig an Rego ist: Es ist deterministisch. Gleiche Policy, gleiche Eingaben, gleiche Ausgabe, jedes Mal, ohne Nebeneffekte und ohne dass sich irgendwo Zufälligkeit einschleicht. Diese Determiniertheit ist wirklich der Grund, warum dieser Ansatz zusammenhält. Wenn die Policy-Sprache irgendeinen externen Zustand oder irgendeine Randomness zuließe, könntest du sie nicht in einen Schaltkreis kompilieren und erwarten, dass der Beweis eine konsistente Bedeutung hat.
Also, das bringt dir im Wesentlichen Folgendes: Wenn jemand eine Attestation angreift, also das signierte Ergebnis eines Operators für eine Policy-Auswertung, dann fordert er nicht einfach, dass irgendjemand seine Version dessen glaubt, was hätte passieren sollen. Er führt dieselbe Policy selbst durch die zkvm aus und erhält einen echten mathematischen Beweis – nicht eine Meinung, nicht eine abweichende Interpretation. Ein Beweis dafür, dass das ursprüngliche Ergebnis falsch war. Der Smart Contract prüft diesen Beweis, prüft das Zeitfenster für die Challenge und entscheidet. Keine Abstimmung. Kein Komitee. Niemand, der abwägt, wer glaubwürdiger ist. Nur das Nachprüfen der Mathematik im Vertrag und das Verhängen von Slashing gegen die Operatoren, die es falsch gemacht haben, falls der Beweis standhält.
Das hängt mit der ganzen Idee zusammen, dass Newton eine signierte Pass- oder Fail-Attestation zurückgibt, bevor eine Transaktion zur Abwicklung kommt. Dass diese Attestation falsch ist, ist nicht nur ein Bug, der später angefochten werden muss. Es ist etwas, das man mathematisch widerlegen kann – von jedem, der sich die Mühe macht nachzuprüfen. Das ist eine ganz andere Art von Garantie als die, die die meisten Systeme bieten.
Wo ich stecken bleibe, ist mir vorzustellen, wie sich das bei realer Komplexität verhält. Das Beispiel im Whitepaper ist eine ziemlich einfache Prüfung auf Sanktionen: ein Handvoll Regeln, saubere Eingaben und natürlich lässt sich das problemlos durch eine zkvm ausführen, ohne großen Aufwand. Echte Compliance-Logik wird allerdings sehr schnell chaotischer. Mehrere Datenquellen, die sich gegenseitig abgleichen, verschachtelte Bedingungen, Policies, die aus mehreren verschiedenen Feeds gleichzeitig etwas beziehen und sie in einer Weise kombinieren, die nicht ganz so sauber ist wie bei einer einzelnen, geraden Regel. Ich weiß noch nicht, ob die Zeit für die Beweisgenerierung mithält, sobald Policies nicht mehr wie Beispiele mit drei Zeilen aussehen, sondern wie die tatsächliche Sanktions- und Eignungslogik, die reale Institutionen wirklich ausführen möchten.
Magic Labs ist das Team hinter all dem – dieselbe Gruppe, die auch die Wallet-Infrastruktur aufgebaut hat, die unter anderem bei Dingen wie Polymarket läuft. Auf der Ausführungsseite weiß man also ganz offensichtlich, was man im großen Maßstab tut. Ob dieses Vertrauen auch dann trägt, wenn die Policies wirklich komplex werden – also bei den Proof-Zeiten, der Schaltkreisgröße und allem anderen – ist etwas, das ich bislang nirgends adressiert gesehen habe.
Mich würde interessieren, ob das jemand tatsächlich gegen etwas getestet hat, das näher an realer Welt-Komplexität ist – statt gegen das saubere Beispiel aus dem Lehrbuch.