面向分子毒性修复任务的结构私有验证框架——ToxiEval-ZKP
密码学与安全
2026-05-25 v2
摘要
近年来，生成式人工智能 (GenAI) 在医学分子等高风险领域展现出惊人的能力，但其输出的可验证性和结构隐私性仍面临诸多未解决挑战。本文聚焦分子毒性修复任务，提出一种结构私有验证框架——ToxiEval-ZKP——首次将零知识证明 (ZKP) 机制引入该任务的评估过程。该系统使模型开发者能够向外部验证者证明生成的分子满足多维度毒性修复标准，而无需透露分子结构本身。为此，我们设计了兼容分类和回归任务的通用电路，集成评估逻辑、基于 Poseidon 的承诺哈希以及基于空投的防重放机制，以构建完整的端到端 ZK 验证系统。实验结果表明，ToxiEval-ZKP 在完全结构不可见的情况下实现了充分的验证，同时具备强大的电路效率、安全性和适应性，从而开启了可信生成科学任务评估的新范式。
引用
@article{arxiv.2508.12035,
title = {ToxiEval-ZKP: A Structure-Private Verification Framework for Molecular Toxicity Repair Tasks},
author = {Fei Lin and Tengchao Zhang and Ziyang Gong and Fei-Yue Wang},
journal= {arXiv preprint arXiv:2508.12035},
year = {2026}
}