Sıfır-Bilgi Kanıtı

#zkp #kriptografi #gizlilik #zk-snark #zkml

Belirli bir bilgiyi ifşa etmeden doğru olduğunu matematiksel olarak kanıtlayan kriptografik protokol.

Sıfır-bilgi kanıtı (zero-knowledge proof, ZKP), bir tarafın (kanıtlayan/prover) karşı tarafa (doğrulayan/verifier) belirli bir bilginin doğru olduğunu, o bilgiyi hiç açıklamadan matematiksel olarak kanıtlayabildiği kriptografik bir protokoldür. Turing ödüllü Shafi Goldwasser, Silvio Micali ve Charles Rackoff tarafından 1985'te tanımlanan bu kavram, dijital güven ve gizlilik mühendisliğinin temellerinden birini oluşturmaktadır. Klasik örnek: Zeynep, bir labirentten çıkış yolunu bildiğini Ahmet'e, yolu açıklamadan kanıtlamak istiyor. Ahmet kapıyı kapatır; Zeynep farklı çıkışları defalarca seçer. Ahmet her seferinde rastgele bir kapıyı işaret ederse ve Zeynep doğru kapıdan çıkmayı başarırsa, n denemeden sonra yolu gerçekten bildiği olasılığı geometrik olarak artar. Sıfır-bilgi kanıtının üç temel özelliği: (1) Tamlık — doğru iddia her zaman kanıtlanabilir. (2) Sağlamlık — yanlış iddia hile ile kanıtlanamaz. (3) Sıfır-bilgi — kanıtlama sürecinde doğrulayıcı yalnızca "doğru/yanlış" bilgisini edinir, başka hiçbir şey öğrenmez. Yapay zeka ve makine öğrenimi bağlamında ZKP; gizlilik korumalı model eğitimi, federated learning'de model güncellemelerinin doğrulanbilirliği ve yüksek riskli AI sistemlerinde denetlenebilirlik için kullanılmaktadır. zkML (zero-knowledge machine learning) çalışmaları, bir modelin belirli bir veri kümesinde eğitildiğini, eğitim verisini ifşa etmeden kanıtlamayı mümkün kılmaktadır. Pratik uygulamalar: zk-SNARK (Succinct Non-interactive ARgument of Knowledge) ve zk-STARK, Ethereum'da özel işlemleri doğrulamak için kullanılır. Kimlik doğrulamada ZKP, parolayı sunucuya iletmeden oturum açmayı mümkün kılar — kimlik bilgisinin ihlal edilmesi riskini ortadan kaldırır. AB Yapay Zeka Yasası'nın öngördüğü şeffaflık gereklilikleri ve GDPR'ın veri minimizasyon ilkesiyle ZKP temelli çözümler giderek daha uyumlu bir seçenek hâline gelmektedir.

Sıfır-Bilgi Kanıtı Nedir?

Sıfır-bilgi kanıtı (zero-knowledge proof, ZKP), bir tarafın (kanıtlayan/prover) belirli bir bilginin doğru olduğunu, o bilgiyi hiç açıklamadan matematiksel olarak kanıtlayabildiği kriptografik bir protokoldür. 1985 yılında Turing ödüllü Shafi Goldwasser, Silvio Micali ve Charles Rackoff tarafından tanımlanan bu kavram, modern kriptografinin temel yapı taşlarından biridir. Klasik örnekte bir kullanıcı, bir parolayı bildiğini sunucuya, parolayı göndermeden kanıtlar; böylece ihlal durumunda bile kimlik bilgisi ele geçirilemez. ZKP'nin üç temel özelliği şöyle özetlenir: Tamlık (doğru iddia her zaman kanıtlanabilir), Sağlamlık (yanlış iddia hile ile kanıtlanamaz) ve Sıfır-bilgi (kanıtlama sürecinde yalnızca 'doğru/yanlış' bilgisi edinilir, başka hiçbir şey öğrenilmez).

Mağara Analojisi: Sezgisel Anlama

Sıfır-bilgi kanıtını anlamanın en yaygın yolu Ali Baba mağarası analojisidir: Zeynep, dairesel bir mağaranın ortasındaki gizli kapının şifresini biliyor. Ahmet, Zeynep'in şifreyi gerçekten bildiğini doğrulamak istiyor ama şifreyi öğrenmek istemiyor. Zeynep mağaraya girer ve rastgele A ya da B yolunu seçer. Ahmet dışarıdan 'A yolundan çık' ya da 'B yolundan çık' diye bağırır. Eğer Zeynep şifreyi biliyorsa her zaman doğru yoldan çıkabilir. Bu deneyi n kez tekrarlarsak, Zeynep'in şanslı tahminle başarılı olma olasılığı (1/2)^n'e düşer. 30 denemeden sonra bu olasılık milyarda birden düşük olur — şifreyi bildiği pratik olarak kanıtlanmış olur.

ZKP Protokolleri ve Araçları

⚡ zk-SNARK

Succinct Non-interactive ARgument of Knowledge. Ethereum'da Zcash ve zkSync protokollerinin temeli. Küçük kanıt boyutu ve hızlı doğrulama avantajı taşır; güvenilir kurulum (trusted setup) gerektirir.

🔒 zk-STARK

Scalable Transparent ARgument of Knowledge. Güvenilir kurulum gerektirmez; kuantum bilgisayarlara karşı daha dayanıklı kabul edilir. StarkWare ve StarkNet bu teknolojiyi üretimde kullanmaktadır.

🤖 zkML

Zero-Knowledge Machine Learning: Bir modelin belirli veriyle eğitildiğini, eğitim datasını açıklamadan kanıtlar. Ezkl ve RISC Zero kütüphaneleri PyTorch modellerini ZK devrelerine dönüştürmek için kullanılır.

🪪 Kimlik Doğrulama

Parola tabanlı ZKP protokolleri (ZKPOK) kimlik bilgisini sunucuya iletmeden oturum açmayı sağlar. İhlal durumunda veritabanından parola çalınamaz; yalnızca doğrulama verisi mevcuttur.

Yapay Zeka ve Gizlilik Uygulamaları

Yapay zeka sistemlerinde ZKP üç kritik alanda devreye girmektedir. Birincisi, gizlilik korumalı model doğrulama: bir modelin belirli kalite veya güvenlik gerekliliklerini karşıladığı, model ağırlıkları ifşa edilmeden kanıtlanabilir. İkincisi, federated learning'de dürüstlük: istemciler model güncellemelerinin gerçek yerel veriyle hesaplandığını ZKP ile kanıtlayabilir; bu hem koordinatöre karşı gizlilik hem de koordinatöre karşı dürüstlük sağlar. Üçüncüsü, eğitim verisi menşei: bir modelin telif hakkı ihlali içermeyen veriyle eğitildiği, verinin kendisi açıklanmadan kanıtlanabilir. GDPR'ın veri minimizasyon ilkesi ve AB Yapay Zeka Yasası'nın şeffaflık gereklilikleri, ZKP tabanlı denetim mekanizmalarıyla doğrudan uyum içindedir.

Blockchain ve Genişletilmiş Kullanım Senaryoları

ZKP'nin en olgun uygulamaları blockchain ekosisteminde bulunmaktadır. Zcash, işlem tutarlarını ve tarafları gizli tutarken işlemin geçerli olduğunu zk-SNARK ile kanıtlar. zkSync ve StarkNet, Ethereum'un işlem kapasitesini artırmak için ZK toplamalarını (ZK rollup) kullanır: yüzlerce işlemi tek bir kanıtta özetleyerek ana zincire gönderir. Kimlik sistemlerinde ise yaş doğrulama örneği öne çıkar: bir kullanıcı 18 yaşından büyük olduğunu, kimlik numarasını ya da tam doğum tarihini paylaşmadan kanıtlayabilir. Bu model, veri minimizasyonu gereksinimi olan her sistemde uygulanabilir: sigorta, tıp, finans ve eğitim alanlarında kişisel bilgi paylaşımını asgari düzeye indirger.

Sık Sorulan Sorular

  • check_circle ZKP ile şifreleme arasındaki fark nedir?: Şifreleme veriyi gizler ve yetkili taraflar şifreyi çözerek erişir. ZKP ise veriyi hiç açıklamadan belirli bir özelliğini (doğruluk, menşe, eşitlik) kanıtlar. Şifreleme 'gizlilik' sağlarken ZKP 'doğrulanabilir gizlilik' sağlar.
  • check_circle zk-SNARK mı zk-STARK mı tercih edilmeli?: zk-SNARK küçük kanıt boyutu ve hızlı doğrulama sunar; ancak güvenilir kurulum (trusted setup) gerektirir. zk-STARK kurulum gerektirmez ve kuantuma karşı daha dayanıklıdır; kanıt boyutu daha büyüktür. Performans kritikse SNARK, uzun vadeli güvenlik ve şeffaflık önemliyse STARK tercih edilir.
  • check_circle zkML gerçek dünyada kullanılıyor mu?: 2024-2025 itibarıyla zkML araştırma aşamasından üretim kenarına geçmektedir. Ezkl kütüphanesi ONNX formatındaki modelleri ZK devrelerine dönüştürebilir. Küçük modeller (karar ağaçları, küçük sinir ağları) kanıtlanabilir hâle geldi; büyük LLM'ler için hesaplama maliyeti hâlâ yüksektir.
  • check_circle ZKP kuantum bilgisayarlara karşı güvenli midir?: zk-SNARK'ın bazı varyantları eliptik eğri kriptografisine dayandığından kuantum saldırılarına karşı savunmasız olabilir. zk-STARK'lar hash fonksiyonlarına dayandığından kuantuma karşı daha dayanıklı kabul edilir. Kuantum sonrası güvenlik için STARK tercih edilmesi önerilmektedir.
  • check_circle GDPR kapsamında ZKP nasıl değerlendirilir?: GDPR'ın veri minimizasyon (Madde 5/1/c) ve tasarımla gizlilik (Madde 25) ilkeleriyle ZKP tabanlı sistemler doğrudan uyum içindedir. Kişisel veriyi paylaşmadan belirli bir özelliği (yaş, bölge, istatistik) kanıtlamak, veri denetleyicisinin minimizasyon yükümlülüğünü yerine getirmesini sağlar.