인공지능(AI) 기술의 발전, 특히 딥러닝의 광범위한 적용에도 불구하고, 모델 소유자가 모델 매개변수를 공개하지 않는 상황에서 AI 모델 추론의 정확성을 검증하는 문제가 남아있음. 본 논문은 모델 내부 매개변수를 노출하지 않고 딥러닝 추론을 검증할 수 있는 제로 지식 프레임워크를 소개함. 재귀적으로 구성된 제로 지식 증명에 기반하며 신뢰할 수 있는 설정이 필요하지 않음. 선형 및 비선형 신경망 레이어(행렬 곱셈, 정규화, 소프트맥스, SiLU 포함)를 지원하며, Fiat-Shamir 휴리스틱을 활용하여 상수 크기의 증명을 가진 간결한 비상호작용적 지식 증명(zkSNARK)을 구현함. DeepSeek 모델을 SNARK로 완전히 검증 가능한 버전인 ZK-DeepSeek로 변환하여, 실제 AI 검증 작업에서 효율성과 유연성을 실험적으로 입증함.
