[论文解读] Experimental evaluation of digitally-verifiable photonic computing for blockchain and cryptocurrency

Sunil Pai, Tae‐Won Park+10 more|arXiv (Cornell University)|May 17, 2022

Neural Networks and Reservoir Computing被引用 5

一句话总结

本文提出 LightHash，一种基于马赫-曾德尔干涉仪光子网格网络的数字可验证光子密码哈希函数，可实现能效高、容错性强的光学工作量证明，适用于区块链与加密货币。实验表明，通过使用可调参数 N 和 K 的整数矩阵-向量运算，LightHash 在保持数字可验证性与光子优势的同时，对系统性误差具有强鲁棒性。

ABSTRACT

As blockchain technology and cryptocurrency become increasingly mainstream, ever-increasing energy costs required to maintain the computational power running these decentralized platforms create a market for more energy-efficient hardware. Photonic cryptographic hash functions, which use photonic integrated circuits to accelerate computation, promise energy efficiency for verifying transactions and mining in a cryptonetwork. Like many analog computing approaches, however, current proposals for photonic cryptographic hash functions that promise similar security guarantees as Bitcoin are susceptible to systematic error, so multiple devices may not reach a consensus on computation despite high numerical precision (associated with low photodetector noise). In this paper, we theoretically and experimentally demonstrate that a more general family of robust discrete analog cryptographic hash functions, which we introduce as LightHash, leverages integer matrix-vector operations on photonic mesh networks of interferometers. The difficulty of LightHash can be adjusted to be sufficiently tolerant to systematic error (calibration error, loss error, coupling error, and phase error) and preserve inherent security guarantees present in the Bitcoin protocol. Finally, going beyond our proof-of-concept, we define a ``photonic advantage'' criterion and justify how recent developments in CMOS optoelectronics (including analog-digital conversion) provably achieve such advantage for robust and digitally-verifiable photonic computing and ultimately generate a new market for decentralized photonic technology.

研究动机与目标

• 为应对区块链与加密货币挖矿日益增长的能耗问题，开发能效更高的光子替代方案。
• 克服模拟光子计算中影响区块链应用共识与安全性的系统性误差。
• 设计一种离散的、基于整数的光子哈希函数（LightHash），确保数字可验证性，并抵抗校准、损耗、耦合与相位误差。
• 建立‘光子优势’标准，表明 CMOS 兼容光电技术在能效与安全性方面可超越电子系统，适用于区块链工作负载。
• 通过分析状态空间大小并推荐参数选择（N, K），防止数字预计算攻击，使缓存不可行。

提出的方法

• LightHash 利用马赫-曾德尔干涉仪的光子网格网络，在光学域中通过整数算术执行矩阵-向量乘法。
• 哈希函数由 N（向量大小）和 K（数值分辨率）参数化，支持可调难度与误差容忍。
• 数值间间隔为 2，确保奇数与偶数 K 的步长一致，支持光学输出中的离散随机游走。
• 采用无符号阈值化方法，将模拟光学输出映射为离散的 256 位哈希值，实现数字验证。
• 提出波分复用技术，通过不同波长并行化多个哈希计算，提升吞吐量，但代价是误差率升高。
• 提供 Python 模拟器与数据可用性仓库，用于在不同 N 与 K 配置下测试与验证 LightHash。

实验结果

研究问题

• RQ1 光子网格网络能否用于实现适合区块链应用的密码安全、数字可验证的哈希函数？
• RQ2 如何在保持安全保证的前提下，缓解光子系统中的系统性误差（校准、损耗、耦合、相位）？
• RQ3 哪些参数选择（N, K）能同时实现误差容忍与对数字预计算攻击的抵抗？
• RQ4 光子计算是否在能效与安全性方面对区块链工作负载展现出可量化的‘光子优势’？
• RQ5 能否以足够精度实现光学工作量证明，以支持去中心化网络中的共识与数字验证？

主要发现

• 通过使用离散整数算术，LightHash 实现对系统性误差的强鲁棒性，确保一致的误差容忍与数字可验证性。
• 状态空间大小按 C = (2K)^N 缩放，增加 N 比增加 K 更有效于防止数字预计算攻击。
• 当 N=64 且 K=2 时，状态空间达到 3.4×10^38，使缓存不可行，有效抵御数字攻击。
• 系统在通过 N 与 K 参数调谐后，可实现比特错误率 ≤1% 的光学工作量证明，具备可行性。
• 波分复用支持多个哈希计算的并行化，尽管波长变化会导致误差率升高。
• 使用 SHA3-256 而非 SHA256 可减少芯片面积，因无需加法器，从而提升硬件效率。