zkCraft: Prompt-Guided LLM as a Zero-Shot Mutation Pattern Oracle for TCCT-Powered ZK Fuzzing

Resumen Técnico: zkCraft

1. El Problema

Los circuitos de conocimiento cero (Zero-Knowledge Circuits) son fundamentales para sistemas de privacidad y escalabilidad, pero son notoriamente difíciles de implementar correctamente. La dificultad radica en el acoplamiento estricto entre el generador de testigos (que calcula valores privados) y el sistema de restricciones (que verifica la prueba). Cuando esta alineación falla, surgen dos clases críticas de errores:

• Restricciones insuficientes (Under-constrained): El sistema de restricciones acepta trazas de ejecución que ningún testigo válido podría producir.
• Restricciones excesivas (Over-constrained): Un testigo válido que produce una ejecución correcta es rechazado por las restricciones.

Las herramientas existentes presentan limitaciones significativas:

• Los detectores estáticos a menudo pasan por alto discrepancias semánticas que solo aparecen durante la generación de testigos.
• La verificación formal y el análisis SMT no escalan bien a circuitos grandes y luchan con el espacio de búsqueda combinado de ediciones de programa y asignaciones de entrada.
• Las técnicas de fuzzing dinámico dependen de llamadas costosas a solucionadores (solvers) o mutaciones no guiadas que generan muchos candidatos de bajo valor.

2. Metodología

zkCraft es un marco de trabajo nativo de ZK (Zero-Knowledge) que integra localización algebraica, pruebas de violación concisas y plantillas de mutación guiadas por LLMs deterministas. Su flujo de trabajo se divide en tres etapas principales:

A. Extracción de Firmas Esparsas (Stage 1)

• El sistema analiza las matrices R1CS del circuito.
• Calcula métricas diagnósticas por fila (basadas en la intersección de variables de testigo y términos constantes) para generar una "huella digital" compacta.
• Utiliza un algoritmo de puntuación para seleccionar un conjunto de candidatos (Candidate Pool) pequeño y priorizado, reduciendo drásticamente el espacio de búsqueda antes de aplicar técnicas costosas.

B. Compromiso Row-Vortex y Violation IOP (Stage 2 - Núcleo ZK-Nativo)

• En lugar de realizar múltiples llamadas a solucionadores SMT/SAT, zkCraft codifica la selección de filas candidatas y las constantes de sustitución en un polinomio bivariado Row-Vortex $R(X, Y)$.
• Se utiliza un Protocolo de Oráculo Interactivo de Violación (Violation IOP). El probador (prover) demuestra la existencia de un conjunto pequeño de ediciones y un testigo que satisface las restricciones editadas pero produce una salida pública diferente ($y' \neq y$).
• Esto se logra mediante una identidad de tipo Sum-Check, convirtiendo la búsqueda combinatoria en una única declaración algebraica de existencia certificada por una prueba concisa.

C. Síntesis Determinista y LLMs (Stage 3 y Oráculos)

• LLMs como Oráculos Deterministas: zkCraft utiliza Grandes Modelos de Lenguaje (como StarCoder o DeepSeek-Coder) no como solucionadores, sino como oráculos de plantillas de mutación "zero-shot". Los LLMs proponen variaciones de la parte derecha de asignaciones débiles (weak assignments) sesgadas hacia casos límite (0, $q-1$, constantes pequeñas).
• Determinismo: El modelo se ejecuta con temperatura 0 y decodificación greedy, asegurando que las sugerencias sean reproducibles y auditables.
• Extracción de Contraejemplos: Una vez que el IOP es verificado, un extractor recupera los parámetros de edición ($\delta, c$) y el testigo ($w'$) de la prueba. Esto permite reconstruir el programa mutado y el contraejemplo concreto sin necesidad de re-ejecutar todo el ciclo de verificación TCCT (Trace-Constraint Consistency Test).

3. Contribuciones Clave

1. Marco de Búsqueda Nativo en ZK: Mapea la búsqueda de ediciones vulnerables a una única declaración algebraica de existencia, certificada por un IOP, eliminando la necesidad de iteraciones costosas de solucionadores.
2. Compromiso Row-Vortex: Introduce una codificación polinómica bivariada que combina la selección de filas y las constantes de sustitución, permitiendo que una sola prueba compacta certifique la existencia de un error.
3. Oráculos de Mutación Guiados por LLM: Diseña interfaces deterministas donde los LLMs actúan como generadores de patrones de mutación de alto rendimiento, sesgando la búsqueda hacia casos de borde sin comprometer la seguridad o la reproducibilidad.
4. Prueba como Contraejemplo: El sistema genera una prueba concisa que no solo valida la existencia del error, sino que permite la recuperación directa del trazado de ejecución concreto (input, estado interno, salida) para su inspección por desarrolladores.

4. Resultados y Evaluación

La evaluación se realizó sobre 452 suites de pruebas reales de Circom, abarcando circuitos de pequeño a muy grande tamaño.

• Precisión y Recall: zkCraft alcanzó un 100% de precisión (0 falsos positivos) en todos los tamaños de circuito, superando consistentemente a herramientas baselines como Circomspect, ZKAP, Picus y ZKFUZZ.
• Detección de Errores: Descubrió un mayor número de errores únicos (True Positives), incluyendo vulnerabilidades previamente desconocidas en proyectos de producción (ej. falsificación de identidad, errores en cálculos criptográficos).
• Eficiencia:
  • Redujo drásticamente las llamadas a solucionadores (SMT/SAT), reemplazándolas por una única interacción IOP.
  • El tiempo de generación de pruebas es sublineal respecto al número de restricciones.
  • El tamaño de la prueba es constante y compacto (aprox. 96 bytes con HyperPlonk+), independientemente del tamaño del circuito (dentro de los límites del backend).
• Ablación: La eliminación de componentes clave (como la selección Row-Vortex o los oráculos LLM) resultó en una degradación significativa en la velocidad de convergencia y la cobertura de errores.

5. Significado e Impacto

• Puente entre Verificación Formal y Depuración Automatizada: zkCraft cierra la brecha entre la rigurosidad de la verificación formal y la escalabilidad del fuzzing automatizado, ofreciendo un camino escalable para el desarrollo de circuitos ZK robustos.
• Auditoría y Confianza: Al proporcionar pruebas concisas que actúan como certificados de vulnerabilidad recuperables, facilita la triage y la corrección de errores por parte de los desarrolladores.
• Nuevos Paradigmas de Prueba: Demuestra que los LLMs pueden integrarse de manera segura y determinista en flujos de trabajo criptográficos críticos, no como "cajas negras" de decisión, sino como oráculos de generación de patrones que aceleran la exploración del espacio de búsqueda.
• Escalabilidad: La capacidad de manejar circuitos grandes con pruebas de tamaño constante y baja latencia de verificación posiciona a zkCraft como una herramienta esencial para la auditoría de infraestructuras ZK complejas en la próxima generación de aplicaciones descentralizadas.

En resumen, zkCraft representa un avance significativo en la seguridad de los sistemas de conocimiento cero, transformando la detección de errores de un proceso costoso y probabilístico en un procedimiento algebraico verificable, eficiente y altamente preciso.