📜 [專欄新文章] [ZKP 讀書會] Trust Token Browser API
✍️ Yuren Ju
📥 歡迎投稿： https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium

Trust Token API 是一個正在標準化的瀏覽器 API，主要的目的是在保護隱私的前提下提供跨站授權 (Cross-domain authorization) 的功能，以前如果需要跨站追蹤或授權通常都使用有隱私疑慮的 Cookies 機制，而 Trust Token 則是希望在保護隱私的前提下完成相同的功能。

會在 ZKP (Zero-knowledge proof) 讀書會研究 Trust Token 主要是這個 API 採用了零知識證明來保護隱私，這也是這次讀書會中少見跟區塊鏈無關的零知識證明應用。

問題

大家應該都有點了一個產品的網頁後，很快的就在 Facebook 或是 Google 上面看到相關的廣告。但是產品網頁並不是在 Facebook 上面，他怎麼會知道我看了這個產品的頁面？

通常這都是透過 Cookie 來做跨網站追蹤來記錄你在網路上的瀏覽行為。以 Facebook 為例。

當使用者登入 Facebook 之後，Facebook 會透過 Cookie 放一段識別碼在瀏覽器裡面，當使用者造訪了有安裝 Facebook SDK 來提供「讚」功能的網頁時，瀏覽器在載入 SDK 時會再度夾帶這個識別碼，此時 Facebook 就會知道你造訪了特定的網頁並且記錄下來了。如此一來再搭配其他不同管道的追蹤方式，Facebook 就可以建構出特定使用者在網路上瀏覽的軌跡，從你的瀏覽紀錄推敲喜好，餵給你 Facebook 最想給你看的廣告了。

不過跨站追蹤也不是只能用在廣告這樣的應用上，像是 CDN (Content Delivery Network) 也是一個應用場景。CDN 服務 Cloudflare 提供服務的同時會利用 Captcha 先來確定進入網站的是不是真人或是機器人。而他希望使用者如果是真人時下次造訪同時也是採用 Cloudflare 服務的網站不要再跳出 Captcha 驗證訊息。

雖然 Cloudflare 也需要跨站驗證的功能來完成他們的服務，但是相較於 Google 或 Facebook 來說他們是比較沒那麼想知道使用者的隱私。有沒有什麼辦法可以保護使用者隱私的狀況下還能完成跨站驗證呢？

這就是今天要講的新 API: Trust Token。

Trust Token API - The Chromium Projects

Trust Token / Privacy Pass 簡介

Trust Token 其實是由 Privacy Pass 延伸而來。Privacy Pass 就是由 Cloudflare 所開發的實驗性瀏覽器延伸套件實作一個驗證機制，可以在不透漏過多使用者隱私的前提下實作跨站驗證。而 Trust Token 則是標準化的 Privacy Pass，所以兩個運作機制類似，但是實作方式稍有不同。

先看一下 Privacy Pass 是如何使用。因為這是實驗性的瀏覽器延伸套件所以看起來有點陽春，不過大致上還是可以了解整個概念。

以 hCaptcha 跟 Cloudflare 的應用為例，使用者第一次進到由 Cloudflare 提供服務的網站時，網站會跳出一些人類才可以解答的問題比如說「挑出以下是汽車的圖片」。

當使用者答對問題後，Cloudflare 會回傳若干組 blind token，這些 blind token 還會需要經過 unblind 後才會變成真正可以使用的 token，這個過程為 issue token。如上圖所示假設使用者這次驗證拿到了 30 個 token，在每次造訪由 Cloudflare 服務的網站時就會用掉一個 token，這個步驟稱為 redeem token。

但這個機制最重要的地方在於 Cloudflare 並無法把 issue token 跟 redeem token 這兩個階段的使用者連結在一起，也就是說如果 Alice, Bob 跟 Chris 都曾經通過 Captcha 測試並且獲得了 Token，但是在後續瀏覽不同網站時把 token 兌換掉時，Clouldflare 並無法區分哪個 token 是來自 Bob，哪個 token 是來自 Alice，但是只要持有這種 token 就代表持有者已經通過了 Captcha 的挑戰證明為真人。

但這樣的機制要怎麼完成呢？以下我們會透過多個步驟的例子來解釋如何達成這個目的。不過在那之前我們要先講一下 Privacy Pass 所用到的零知識證明。

零知識證明 (Zero-knowledge proof)

零知識證明是一種方法在不揭露某個祕密的狀態下，證明他自己知道那個秘密。

Rahil Arora 在 stackexchange 上寫的比喻我覺得是相對好理解的，下面簡單的翻譯一下：

假設 Alice 有超能力可以幾秒內算出樹木上面有幾片樹葉，如何在不告訴 Bob 超能力是怎麼運作並且也不告訴 Bob 有多少片葉子的狀況下證明 Alice 有超能力？我們可以設計一個流程來證明這件事情。

Alice 先把眼睛閉起來，請 Bob 選擇拿掉樹上的一片葉子或不拿掉。當 Alice 睜開眼睛的時候，告訴 Bob 他有沒有拿掉葉子。如果一次正確的話確實有可能是 Alice 幸運猜到，但是如果這個過程連續很多次時 Alice 真的擁有數葉子的超能力的機率就愈來愈高。

而零知識證明的原理大致上就是這樣，你可以用一個流程來證明你知道某個秘密，即使你不真的揭露這個秘密到底是什麼，以上面的例子來說，這個秘密就是超能力運作的方式。

以上就是零知識證明的概念，不過要完成零知識證明有很多各式各樣的方式，今天我們要介紹的是 Trust Token 所使用的零知識證明：DLEQ。

DLEQ (Discrete Logarithm Equivalence Proof)

說明一下以下如果小寫的變數如 c, s 都是純量 (Scalar)，如果是大寫如 G, H則是橢圓曲線上面的點 (Point)，如果是 vG 則一樣是點，計算方式則是 G 連續相加 v 次，這跟一般的乘法不同，有興趣可以程式前沿的《橢圓曲線加密演算法》一文解釋得比較詳細。

DLEQ 有一個前提，在系統中的所有人都知道公開的 G 跟 H 兩個點，此時以下等式會成立：

假設 Peggy 擁有一個秘密 s 要向 Victor 證明他知道 s 為何，並且在這個過程中不揭露 s 真正的數值，此時 Victor 可以產生一個隨機數 c 傳送給 Peggy，而 Peggy 則會再產生一個隨機數 v 並且產生 r，並且附上 vG, vH, sG, sH：

r = v - cs

所以 Victor 會得到 r, sG, sH, vG, vH 再加上他已經知道的 G, H。這個時候如果 Victor 計算出以下兩個等式就代表 Peggy 知道 s 的真正數值：

vG = rG + c(sG)vH = rH + c(sH)

我們舉第二個等式作為例子化簡：

vH = rH + c(sH) // 把 r 展開成 v - csvH = (v - cs)H + c(sH) // (v - cs)H 展開成 vH - csHvH = vH - c(sH) + c(sH) // 正負 c(sH) 消掉vH = vH

這樣只有 Peggy 知道 s 的狀況下才能給出 r，所以這樣就可以證明 Peggy 確實知道 s。

從簡易到實際的情境

Privacy Pass 網站上透過了循序漸進的七種情境從最簡單的假設到最後面實際使用的情境來講解整個機制是怎麼運作的。本文也用相同的方式來解釋各種情境，不過前面的例子就會相對比較天真一點，就請大家一步步的往下看。

基本上整個過程是透過一種叫做 Blind Signature 的方式搭配上零知識證明完成的，以下參與的角色分為 Client 與 Server，並且都會有兩個階段 issue 與 redeem token。

Scenario 1

如果我們要設計一個這樣可以兌換 token 來確認身分的系統，其中有一個方法是透過橢圓曲線 (elliptic curve) 完成。Client 挑選一個在橢圓曲線上的點 T 並且傳送給 Server，Server 收到後透過一個只有 Server 知道的純量 (scalar) s 對 T 運算後得到 sT 並且回傳給 Client，這個產生 sT 的過程稱為 Sign Point，不過實際上運作的原理就是橢圓曲線上的連續加法運算。

SignPoint(T, s) => sT

等到 Client 需要兌換時只要把 T 跟 sT 給 Server，Server 可以收到 T 的時候再 Sign Point 一次看看是不是 sT 就知道是否曾經 issue 過這個 token。

Issue

以下的範例，左邊都是 Client, 右邊都是 Server。 -> 代表 Client 發送給 Server，反之亦然。

// Client 發送 T 給 Server, 然後得到 sT

T -> <- sT

Redeem

// Client 要 redeem token 時，傳出 T 與 sT

T, sT ->

問題：Linkability

因為 Server 在 issue 的時候已經知道了 T，所以基本上 Server 可以透過這項資訊可以把 issue 階段跟 redeem 階段的人連結起來進而知道 Client 的行為。

Scenario 2

要解決上面的問題，其中一個方法是透過 Blind Signature 達成。Client 不送出 T，而是先透過 BlindPoint 的方式產生 bT 跟 b，接下來再送給 Server bT。Server 收到 bT 之後，同樣的透過 Sign Point 的方式產生結果，不一樣的地方是情境 1 是用 T，而這邊則用 bT 來作 Sign Point，所以得出來的結果是 s(bT)。

Client:BlindPoint(T) => (bT, b)

Server:SignPoint(bT, s) => sbT

而 Blind Signature 跟 Sign Point 具備了交換律的特性，所以得到 s(bT) 後可以透過原本 Client 已知的 b 進行 Unblind：

UnblindPoint(sbT, b) => sT

這樣一來在 Redeem 的時候就可以送出 T, sT 給 Server 了，而且透過 SignPoint(T, s) 得出結果 sT’ 如果符合 Client 傳來的 sT 就代表確實 Server 曾經簽過這個被 blind 的點，同時因為 T 從來都沒有送到 Server 過，所以 Server 也無法將 issue 與 redeem 階段的 Client 連結在一起。

Issue

bT -> <- s(bT)

Redeem

T, sT ->

問題：Malleability

以上的流程其實也有另外一個大問題，因為有交換律的關係，當 Client 透過一個任意值 a 放入 BlindPoint 時產生的 a(sT) 就會等於 s(aT)：

BlindPoint(sT) => a(sT), a// a(sT) === s(aT)

此時如果將 aT 跟 s(aT) 送給 Server Redeem，此時因為

SignPoint(aT, s) => s(aT)

所以就可以兌換了，這樣造成 Client 可以無限地用任意數值兌換 token。

Scenario 3

這次我們讓 Client 先選擇一個純數 t，並且透過一種單向的 hash 方式來產生一個在橢圓曲線上的點 T，並且在 redeem 階段時原本是送出 T, sT 改成送出 t, sT。

因為 redeem 要送出的是 t，上個情境時透過任意數 a 來產生 s(aT) 的方法就沒辦法用了，因為 t 跟 sT 兩個參數之間並不是單純的再透過一次 BlindPoint() 就可以得到，所以就沒辦法無限兌換了。

Issue

T = Hash(t) bT -> <- sbT

Redeem

t, sT ->

問題：Redemption hijacking

在這個例子裏面，Client 其實是沒有必要傳送 sT 的，因為 Server 僅需要 t 就可以計算出 sT，額外傳送 sT 可能會導致潛在的 Redemption hijacking 問題，如果在不安全的通道上傳輸 t, sT 就有可能這個 redemption 被劫持作為其他的用途。

不過在網站上沒講出實際上要怎麼利用這個問題，但是少傳一個可以計算出來的資料總是好的。Client 只要證明他知道 sT 就好，而這可以透過 HMAC (Hash-based Message Authentication Code) 達成。

Scenario 4

步驟跟前面都一樣，唯一不一樣的地方是 redeem 的時候原本是傳 t, sT，現在則改傳 t, M, HMAC(sT, M)，如果再介紹 HMAC 篇幅會太大，這邊就不解釋了，但可以是作是一個標準的 salt 方式讓 Hash 出來的結果不容易受到暴力破解。

這樣的特性在這個情境用很適合，因為 Server 透過 t 就可以計算出 sT，透過公開傳遞的 M 可以輕易地驗證 client 端是否持有 sT。

Issue

T = Hash(t) bT -> <- sbT

Redeem

t, M, HMAC(sT, M) ->

問題：Tagging

這邊的問題在於 Server 可以在 issue 階段的時候用不一樣的 s1, s2, s3 等來發出不一樣的 sT’，這樣 Server 在 Redeem 階段就可以得知 client 是哪一個 s。所以 Server 需要證明自己每次都用同樣的 s 同時又不透漏 s 這個純亮。

要解決這個問題就需要用到前面我們講解的零知識證明 DLEQ 了。

Scenario 5

前面的 DLEQ 講解有提到，如果有 Peggy 有一個 s 秘密純量，我們可以透過 DLEQ 來證明 Peggy 知道 s，但是又不透漏 s 真正的數值，而在 Privacy Pass 的機制裡面，Server 需要證明自己每次都用 s，但是卻又不用揭露真正的數值。

在 Issue 階段 Client 做的事情還是一樣傳 bT 給 Server 端，但 Server 端的回應就不一樣了，這次 Server 會回傳 sbT 與一個 DLEQ 證明，證明自己正在用同一個 s。

首先根據 DLEQ 的假設，Server 會需要先公開一組 G, H 給所有的 Client。而在 Privacy Pass 的實作中則是公開了 G 給所有 Client，而 H 則改用 bT 代替。

回傳的時候 Server 要證明自己仍然使用同一個 s 發出 token，所以附上了一個 DLEQ 的證明 r = v - cs，Client 只要算出以下算式相等就可證明 Server 仍然用同一個 s (記住了 H 已經改用 bT 代替，此時 client 也有 sbT 也就是 sH)：

vH = rH + c(sH) // H 換成 bTvbT = rbT + c(sbT) // 把 r 展開成 v - csvbT = (v - cs)bT + c(sbT) // (v - cs)bT 展開成 vbT - csbTvbT = vbT - c(sbT) + c(sbT) // 正負 c(sbT) 消掉vbT = vbT

這樣就可以證明 Server 依然用同一個 s。

Issue

T = Hash(t) bT -> <- sbT, DLEQ(bT:sbT == G:sG)

Redeem

t, M, HMAC(sT, M) ->

問題：only one redemption per issuance

到這邊基本上 Privacy Pass 的原理已經解釋得差不多了，不過這邊有個問題是一次只發一個 token 太少，應該要一次可以發多個 token。這邊我要跳過源文中提到的 Scenario 6 解釋最後的結果。

Scenario 7

由於一次僅產生一個 redeem token 太沒效率了，如果同時發很多次，每次都產生一個 proof 也不是非常有效率，而 DLEQ 有一個延伸的用法 “batch” 可以一次產生多個 token, 並且只有使用一個 Proof 就可以驗證所有 token 是否合法，這樣就可以大大的降低頻寬需求。

不過這邊我們就不贅述 Batch DLEQ 的原理了，文末我會提及一些比較有用的連結跟確切的源碼片段讓有興趣的人可以更快速的追蹤到源碼片段。

Issue

T1 = Hash(t1) T2 = Hash(t2)T3 = Hash(t3)b1T1 ->b2T2 ->b3T3 -> c1,c2,c3 = H(G,sG,b1T1,b2T2,b3T3,s(b1T1),s(b2T2),s(b3T3)) <- sb1T1 <- sb2T2 <- sb3T3 <- DLEQ(c1b1T1+c2b2T2+c3b3T3:s(c1b1T1+c2b2T2+c3b3T3) == G: sG)

Redeem

t1, M, HMAC(sT1, M) ->

結論

Privacy Token / Trust Token API 透過零知識證明的方式來建立了一個不需要透漏太多隱私也可以達成跟 cookie 相同效果的驗證方式，期待可以改變目前許多廣告巨頭透過 cookie 過分的追蹤使用者隱私的作法。

不過我在 Trust Token API Explainer 裡面看到這個協議裡面的延伸作法還可以夾帶 Metadata 進去，而協議制定的過程中其實廣告龍頭 Google 也參與其中，希望這份協議還是可以保持中立，盡可能地讓最後版本可以有效的在保護隱私的情況下完成 Cross-domain authorization 的功能。

參考資料

IETF Privacy Pass docs

Privacy Pass: The Protocol

Privacy Pass: Architectural Framework

Privacy Pass: HTTP API

Cloudflare

Supporting the latest version of the Privacy Pass Protocol (cloudflare.com)

Chinese: Cloudflare支持最新的Privacy Pass扩展_推动协议标准化

Other

Privacy Pass official website

Getting started with Trust Tokens (web.dev)

WICG Trust Token API Explainer

Non-interactive zero-knowledge (NIZK) proofs for the equality (EQ) of discrete logarithms (DL) (asecuritysite.com) 這個網站非常實用，列了很多零知識證明的源碼參考，但可惜的是 DLEQ 這個演算法講解有錯，讓我在理解演算法的時候撞牆很久。所以使用的時候請多加小心，源碼應該是可以參考的，解釋的話需要斟酌一下。

關鍵源碼

這邊我貼幾段覺得很有用的源碼。

privacy pass 提供的伺服器端產生 Proof 的源碼

privacy pass 提供的瀏覽器端產生 BlindPoint 的源碼

github dedis/kyber 產生 Proof 的源碼

[ZKP 讀書會] Trust Token Browser API was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.

👏 歡迎轉載分享鼓掌

（大年初二要幹嘛？深夜教台大學生算數學啊！）

雷翔宇 其實上面全部都算錯了，因為單個為正或為反並非1/2。最大是1/2，則六十籤為約萬分之三。

黃士修 這不叫錯誤，而是做機率的上限估計即可。實際上只會更難，不會更簡單。

雷翔宇 上面各樓的敘述都沒有言及這是上限估計，所以這毫無疑問是個錯誤。

黃士修 可能是你不知道這是常識所以大家其實都不用特地強調……

雷翔宇 上面沒有人說單個筊杯為正或為反是1/2，沒有人以此為前提，也沒有人在答案裡說這是最大值。

黃士修 你可以繼續捍衛自己的微小所知，但沒什麼意義就是了。

雷翔宇 舉例來說，如果單一個筊正反機率為2:1，那麼聖杯就只有4/9的機率，而不是1/2。

黃士修 但是你無從也沒有必要證明每一個細微的物理因素，否則就跟統計的意義背道而馳。

雷翔宇 筊明顯不是個正反面對稱的物體呢 「無從也沒有必要」不明所以

黃士修 對，理論上需要實驗，但實務上沒有必要進行實驗，如果知道「統計」的基本精神的話。所以說，不能讀死書是最重要的。

雷翔宇 黃士修說單一筊杯正面與反面是「『細微的』物理因素」呢，原來是這種認知啊，勉強になりました^_^

黃士修 以大數法則做粗估的話，那確實是細微的物理因素。話說你真的不用這樣崩潰。

雷翔宇 謝謝你豐富我的新春，讓我認識你的閱讀能力，太感謝你了！

黃士修 哪裡，你的閱讀能力要多加強，而且腦袋不能那麼僵硬，否則空讀再多書也無法活用。

雷翔宇 我不知道「你不知道這是常識」是在說什麼是常識，但您就繼續賣弄您自以為是的常識唄。

黃士修 知道自己不知道就好。常識不用賣弄，知識不應賣弄。學然後知不足，教然後知困。知不足，然後能自反也；知困，然後能自強也。

雷翔宇 （拍手）好棒棒！讚讚

黃士修 光是指出問題，沒有進一步思考，這樣是不行的。如果真的要細究這個問題也行，我們來做一個很簡單的思考實驗。

即使凸面因為形狀不對稱的關係，大幅影響笑筊的機率（反之，也大幅影響陰筊的機率），因為聖筊是一凸一平的設計，出現機率會互補，所以聖筊可以穩定維持在50%。

更進一步，假設出現凸面機率為x，出現平面機率為(1-x)，則聖筊的機率為P=2x(1-x)。這是一個開口朝下的拋物線，並且可以透過配方法或算幾不等式求極值。P的最大值為1/2，發生在x=1/2，也就是凸面和平面機率相等的情形。

思考實驗和數量估計都是物理的基本能力，拋物線和求極值則是高中數學的內容。本來不想說那麼多，因為我真的認為是常識。有人堅持要以為我在賣弄知識，那我也只好秀兩手，請這位台大的同學回家多讀書了。

#我可以跟管老師投訴貴校語言學系不用學數學的嗎

--

【後記：另一位台大朋友發問，但沒抓到要點】

黃士修 你這樣只有重複指出問題，沒有進一步思考分析。

我示範給你看好了。

Case 1. 假設凸面機率 x=0.5
平面機率 1-x=0.5
聖筊機率 P=2x(1-x)=0.5

Case 2. 假設凸面機率 x=0.4
平面機率 1-x=0.6
聖筊機率 P=2x(1-x)=0.48

Case 3. 假設凸面機率 x=0.3
平面機率 1-x=0.7
聖筊機率 P=2x(1-x)=0.42

如果一只筊杯的平凸機率是七三開，這已經太過明顯，可以用直觀發現這只筊杯有問題。

所以，筊杯的平凸機率是六四開，其實已經是實務上的極限情況，然而聖筊機率卻仍然有48%，非常穩定。

不放心的話，可以再做一次逼近估計。

Case 4. 假設凸面機率 x=0.35
平面機率 1-x=0.65
聖筊機率 P=2x(1-x)=0.455

平凸機率是六成五對三成五，聖筊機率還是超過45%。

故我們可以放心地說，即使形狀或材質大幅影響筊杯的凸面機率，出現聖筊的機率仍然是相當公平的。

它的物理解釋就是，聖筊一凸一平，即使單一筊杯機率不公平，但因為兩個筊杯對稱互補，所以機率穩定公平。

這些，應該都是高中物理和數學的基本功。如果你不熟悉，代表過去讀書的方法不對。不懂得活用，讀再多書、考再多試，也是枉然。

--

💧捐款支持以核養綠，對抗反核利益團體
https://p.ecpay.com.tw/6DB45

✅現在就加以核養綠小幫手LINE好友
https://line.me/R/ti/p/%40yyy2460i

Wow! 滿滿滿的會考數學重點吔😍

來來來，紙筆趕快準備好！
數學科會考精華重點，
帶你一手掌握致勝關鍵！

數學科會考30天衝刺重點

考前最後30天，
建議同學，調整好生理時鐘，
讓自己的大腦習慣
在10:30到11:50這段時間算數學。
切記每次考試前都花10分鐘的時間快速總複習，
把公式、重要性質、常忘常錯的地方，
用這個關鍵10分鐘掃過一遍。
考前最後30天以算新題
培養對沒看過的題目的臨場反應為主，
有錯的題目訂正完，
把關鍵寫在考前10分鐘的快速總複習筆記上，
下次考前再複習一次！

以下是會考精華重點，
這些重點不只會在選擇出現，
還可能出現在非選！
好好把握下列重點，
拿到數學滿分的成績單時別太意外！😂

1.正負數與數線：
「絕對值」代表「到原點的距離」、
「相減取絕對值」代表「兩點距離」
這種代數轉幾何的考法總是考不膩；
科學記號的應用問題通常都會搭配四則運算；
新舊數線轉換切記「差成比例」！

2.因倍數與公因倍數：
質數的判定、互質的判定還有短除法請熟練；
難題用標準分解式處理！

3.分數：
四則運算切記「先乘除，後加減，但次方優先！」，
還有括號的處理務必「由小到大」且小心變號！

4.一元一次方程式：
一元一次式的「化簡」切記「只能通分，不能同乘」；
應用題考列式也很常見。

5.二元一次方程式：
基本的分式解聯立請小心隱形的括號；
近年來也常考三格漫畫的應用問題，命中不用太訝異！

6.坐標平面：
基本的象限考正負；點的移動x右加左減，y上加下減；
「點到x軸的距離」=「y坐標取絕對值」，
「點到y軸的距離」=「x坐標取絕對值」；
水平線y相同，鉛直線x相同；
還有最常考的二元一次直線方程式畫圖！

7.比與比例：
雙比例問題考到爛，務必調整到符合題意。

8.函數：
線型函數應用問題可以利用「差成比例」處理！

9.一元一次不等式：
有基本的一元一次不等式求x範圍；
進階有天平問題和水量的應用問題。

10.乘法公式與多項式：
利用乘法公式求值請用力觀察數字之間的關聯性；
多項式長除法也很愛考；因式倍式關係要會看。

11.二次方根與勾股定理：
基本的化成最簡根式、有理化、四則運算要熟；
進階的根號估計也是大熱門；
勾股定理近年來都搭配後面幾何一起考。

12.因式分解：
通常喜歡考提公因式因式分解，再搭配次方的運算請小心。

13.一元二次方程式：
基本的十字交乘、配方法解x；
給兩根求方程式用倒帶；
觀念題小心消去未知數可能會減根。

14.等差數列：
基本的循環用除法看餘數、
等差數列換首項公差處理、
等差數列求和都是基本款；
近幾年等差數列喜歡搭配不等式請小心！

15.平面幾何：
對稱圖形不難；
外角定理在角度的計算超常用；
中垂線性質到兩端點等距、
角平分線性質到兩夾邊等距考到爛！
30度 - 60度 - 90度 邊長比「1：根號3：2」必考！
多邊形內角和、正多邊形內角和外角
要算到不小心背起來；
正六邊形、正八邊形、正12邊形
都是近年來考試重點。

16.三角形：
三角形兩邊之和大於第三邊、
大角對大邊小角對小邊偶爾會出；
三角形的全等證明要有考非選的心理準備。

17.平行與四邊形：
遇平行線延長會比較容易看；
平行時，同位角、內錯角相等，
同側內角互補超常用；
遇梯形常做的幾種輔助線要複習。

18.相似形：
常見的相似三角形組合要複習；
解題利用相似形的
「對應角相等」、「對應長成比例」、
「面積比等於對應長度平方比」這些性質；
要宣告三角形相似用相似性質，
要宣告非三角形的多邊形相似
則要一一檢查每一個對應角都相等，
每一個對應邊都成比例！

19.圓形：
考扇形、弧長、弓形算是基本款；
考相切要想到(1)垂直(2)切線段等長；
圓周角、圓內角、圓外角、弦切角也都很常考；
兩圓相切要連接兩圓圓心和切點；難題想到對稱性！

20.三角形的三心：
(1)外心：
到三頂點等距；
直角三角形外心在斜邊中點；
等腰三角形的R要會求；
角度可以利用圓周角和圓心角關係，
或是等腰三角形處理。
(2)內心：
到三邊等距；
r 的兩種求法請複習；
長度還可考求切線段長；
角度可利用角平分令x、x、y、y；
面積的兩種考法請複習。
(3)重心：
長度想到2比1，
面積想到六塊小三角形面積相等

21.二次函數拋物線：
開口的方向和大小要會看；
配方法求頂點求最大最小值必考！
考平移要想到
(1)看頂點的移動(2)開口不變a不變；
難題想到對稱性！

22.立體圖形：
近年來喜歡考空間觀念中的展開圖；
考角柱算是中規中矩；
靈活考題可能會搭配水量甚至考不等式！

23.統計：
給原始資料、給表、給直方圖、給圓餅圖，
中位數都要會求！
盒狀圖和圓餅圖也很常考，
特別是盒狀圖常會問四分位距的相關問題！
進階喜歡考圖形的轉換；
還有對稱圖形的平均數和中位數會相等！

24.機率：
列表討論、畫表格、畫樹狀圖必可解！