大模型对齐与安全

A Survey of Zero-Knowledge Proof Based Verifiable Machine Learning

基于零知识证明的可验证机器学习综述

Zhizhi Peng, Chonghe Zhao, Taotao Wang, Guofu Liao, Zibin Lin, Yifeng Liu, Bin Cao, Long Shi, Qing Yang, Shengli Zhang

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； School of Computer Science and Cyber Engineering, Guangzhou University（广州大学计算机科学与网络工程学院） ； School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息学院） ； State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室） ； School of Electronic and Optical Engineering, Nanjing University of Science and Technology（南京理工大学电子工程与光电技术学院） 纠错

专题命中 隐私与版权 ：trustworthy(abstract)；分类 cs.AI、cs.LG

AI总结 本文综述了从2017年6月至2025年8月间发表的零知识机器学习研究，涵盖可验证训练、测试和推理三大核心任务，分析了实现瓶颈与改进技术，为可信隐私保护机器学习提供参考。

Comments This manuscript has been accepted for publication in Artificial Intelligence Review

Journal ref Artificial Intelligence Review, 59, 157 (2026)