💻 computer science

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

Le papier présente zkCraft, un cadre pratique qui combine la localisation déterministe des contraintes R1CS, une recherche générant des preuves et des modèles de mutation guidés par un LLM pour détecter efficacement les incohérences sémantiques dans les circuits à connaissance nulle.

Auteurs originaux : Rong Fu, Jia Yee Tan, Youjin Wang, Ziyu Kong, Zeli Su, Zhaolu Kang, Shuning Zhang, Xianda Li, Kun Liu, Simon Fong

Publié 2026-03-04

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Rong Fu, Jia Yee Tan, Youjin Wang, Ziyu Kong, Zeli Su, Zhaolu Kang, Shuning Zhang, Xianda Li, Kun Liu, Simon Fong

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous construisez une coffre-fort numérique ultra-sécurisé. Ce coffre-fort a une particularité incroyable : il peut prouver qu'il contient de l'argent sans jamais vous montrer l'argent ni le contenu du coffre. C'est ce qu'on appelle une "preuve à divulgation nulle" (Zero-Knowledge Proof).

Le problème, c'est que programmer ce coffre-fort est extrêmement difficile. Une toute petite erreur dans le code (une porte mal verrouillée, un mécanisme de verrouillage défectueux) peut permettre à un voleur de forcer l'entrée sans que personne ne s'en rende compte, ou pire, de bloquer l'accès à un propriétaire légitime.

Voici comment zkCraft fonctionne, expliqué simplement :

1. Le Problème : Le "Testeur de Stress" aveugle

Traditionnellement, pour trouver ces erreurs, les développeurs utilisent des "fuzzers". Imaginez un testeur de stress qui lance des milliers de clés aléatoires contre la serrure du coffre, espérant qu'une clé ouvre la porte par hasard.

Le souci : C'est lent, coûteux en énergie (comme faire tourner un moteur de voiture pour tester une serrure), et souvent inefficace. Le testeur peut passer des heures à essayer des clés qui ne servent à rien.

2. La Solution zkCraft : Le "Détective Magique"

zkCraft est un nouveau système qui combine trois ingrédients magiques pour trouver les failles beaucoup plus vite et avec plus de précision.

A. Le "Scanner de Rayons X" (Localisation Algébrique)

Au lieu de tester tout le coffre au hasard, zkCraft utilise une technique mathématique pour scanner le code et dire : "Hé, cette partie de la serrure semble bizarre. C'est là qu'il faut regarder."

L'analogie : C'est comme si, au lieu de frapper sur toutes les pièces d'une voiture pour trouver un bruit, un expert écoutait le moteur et disait : "Le bruit vient du piston numéro 4. Concentrons-nous là-dessus." Cela réduit le champ de recherche de millions de possibilités à quelques dizaines de suspects.

B. Le "Génie des Mots" (LLM comme Oracle)

Une fois que le scanner a identifié les zones suspectes, zkCraft utilise une Intelligence Artificielle (un grand modèle de langage, comme ceux qui écrivent du code) non pas pour écrire le code, mais pour imaginer des scénarios de vol.

L'analogie : Imaginez un détective qui a lu tous les livres de polices du monde. Il ne devine pas au hasard, mais il dit : "Les voleurs essaient souvent d'ouvrir les serrures avec des clés de 0, ou de la taille maximale possible, ou en utilisant des outils très fins."
zkCraft utilise cette IA pour proposer des "clés" (des entrées de données) très spécifiques et intelligentes pour tester les zones suspectes, plutôt que de lancer des clés au hasard.

C. Le "Certificat de Preuve" (La Magie Mathématique)

C'est la partie la plus brillante. Au lieu de faire tourner le coffre-fort des milliers de fois pour voir s'il s'ouvre, zkCraft utilise une technique mathématique avancée (appelée "Violation IOP").

L'analogie : Imaginez que vous voulez prouver qu'un coffre-fort a une faille. Au lieu de l'ouvrir physiquement (ce qui prend du temps), vous demandez à un magicien de vous montrer un certificat mathématique.
Ce certificat dit : "Je peux prouver qu'il existe une clé qui ouvre ce coffre, et voici la clé, sans que j'aie besoin de l'ouvrir devant vous."
Si le certificat est valide, vous savez immédiatement qu'il y a une faille, et vous avez la clé exacte pour la reproduire. Cela remplace des heures de calcul par une vérification instantanée.

En résumé : Pourquoi c'est génial ?

Vitesse : Au lieu de chercher une aiguille dans une botte de foin en fouillant toute la botte, zkCraft utilise un aimant (le scanner) pour trouver l'aiguille, puis un détective (l'IA) pour comprendre comment elle est cachée.
Fiabilité : Il ne se contente pas de dire "ça a l'air bizarre". Il produit une preuve mathématique irréfutable (le certificat) que la faille existe vraiment. Pas de faux positifs.
Économie : Il évite de gaspiller de l'énergie informatique en ne testant que ce qui a de fortes chances de révéler un problème.

L'image finale :
Si les anciennes méthodes étaient comme un enfant qui tape sur tous les boutons d'un piano pour trouver une note fausse, zkCraft est un chef d'orchestre qui écoute la partition, identifie la note qui ne va pas, demande à un virtuose de jouer la séquence exacte pour confirmer l'erreur, et vous donne la partition corrigée, le tout en quelques secondes.

C'est une avancée majeure pour la sécurité des systèmes privés et décentralisés, rendant le développement de ces technologies plus sûr, plus rapide et plus accessible.

Titre

zkCraft : Un LLM guidé par des prompts comme oracle de mutation "zero-shot" pour le fuzzing ZK alimenté par TCCT

1. Problématique

Les circuits à connaissance nulle (Zero-Knowledge ou ZK) sont fondamentaux pour les systèmes de confidentialité et d'évolutivité, mais leur mise en œuvre correcte est extrêmement difficile. La complexité réside dans le couplage étroit entre le générateur de témoins (qui calcule les valeurs privées) et le système de contraintes (utilisé pour la vérification).

Lorsque cet alignement échoue, deux classes majeures de défauts apparaissent :

Défauts sous-contraints (Under-constrained) : Le système de contraintes accepte des traces d'exécution qu'aucun témoin valide ne pourrait produire.
Défauts sur-contraints (Over-constrained) : Une exécution produisant un témoin valide est rejetée par les contraintes.

Les approches existantes (analyse statique, vérification formelle, fuzzing dynamique) présentent des limites :

Les analyseurs statiques manquent souvent les incohérences sémantiques qui n'apparaissent qu'avec des entrées spécifiques.
La vérification formelle et les analyses SMT ne passent pas à l'échelle sur de grands circuits.
Le fuzzing dynamique dépend de nombreux appels coûteux à des solveurs (SMT/SAT) et génère souvent de nombreux candidats de faible valeur.

2. Méthodologie : zkCraft

zkCraft est un cadre de travail natif ZK qui combine la localisation algébrique, des preuves de violation succinctes et des modèles de mutation déterministes guidés par des LLM. L'approche transforme la recherche combinatoire de vulnérabilités en une déclaration d'existence algébrique unique, certifiée par une preuve cryptographique.

Le pipeline se déroule en trois étapes principales :

A. Étape 1 : Extraction de signatures clairsemées (Sparse Signature Extraction)

Le système analyse les matrices R1CS (Rank-1 Constraint Systems) du circuit.
Il calcule des scores diagnostiques pour chaque ligne de contrainte en fonction de l'intersection entre les variables de témoin et les sites d'affectation faibles (weak assignments).
Une empreinte numérique (fingerprint) est générée pour chaque ligne.
Un pool de candidats restreint ( $R_{cand}$ ) est sélectionné en priorisant les lignes les plus susceptibles de contenir des erreurs, réduisant ainsi l'espace de recherche.

B. Étape 2 : Engagement Row-Vortex et IOP de Violation (ZK-Native)

C'est le cœur de l'innovation de zkCraft. Au lieu d'interroger un solveur pour chaque mutation potentielle :

Polynôme Row-Vortex : Les sélections de lignes candidates et les constantes de substitution sont encodées dans un polynôme bivarié $R(X, Y)$ .
Violation IOP (Interactive Oracle Proof) : Le prouveur génère une preuve interactive qui certifie l'existence d'un ensemble d'éditions (mutations) et d'un témoin $w'$ $w^{'}$ tel que :
1. Les contraintes modifiées sont satisfaites ( $F_{\delta,c}(w') = 0$ ).
2. La sortie publique diffère de l'originale ( $y' \neq y$ ).
Cette preuve remplace des milliers d'appels à un solveur SMT par une seule preuve succincte.

C. Étape 3 : Synthèse déterministe et extraction

Une fois la preuve validée, un extracteur détermine les constantes de mutation concrètes et le témoin correspondant.
Le système reconstruit le programme modifié $P'$ et génère un contre-exemple concret $(x', z', y')$ .
Rôle des LLM : Les modèles de langage (LLM) agissent comme des oracles de templates de mutation "zero-shot". Ils ne résolvent pas les contraintes mais proposent des motifs d'édition (côté droit des affectations faibles) et des heuristiques d'échantillonnage d'entrées biaisées vers les cas limites (ex: 0, $q-1$ ). Leurs suggestions sont déterministes et vérifiées algébriquement, évitant ainsi les faux positifs.

3. Contributions Clés

Cadre de recherche natif ZK : Transformation de la recherche de vulnérabilités en une déclaration d'existence algébrique encodée via un polynôme Row-Vortex et certifiée par une Violation IOP.
Oracles de mutation LLM déterministes : Utilisation de LLM pour générer des templates de mutation biaisés vers les cas limites, tout en restant découplés de la génération de preuves pour garantir la sécurité.
Techniques d'implémentation pratiques : Mise en œuvre de l'empreinte numérique par ligne, d'une heuristique de sélection de candidats et d'une synthèse de substitution dans un corps fini pour récupérer les contre-exemples concrets.
Preuve comme contre-exemple : La preuve succincte elle-même sert de certificat de vulnérabilité, permettant de reconstruire le trace d'exécution sans nécessiter de ré-exécution coûteuse du circuit.

4. Résultats Expérimentaux

L'évaluation a été menée sur 452 circuits Circom réels (de petits circuits à des circuits très grands).

Efficacité de détection : zkCraft détecte un nombre supérieur de bugs uniques (vrais positifs) par rapport aux outils de référence (Circomspect, ZKAP, Picus, ZKFUZZ).
- Sur l'ensemble des benchmarks, zkCraft a détecté 88 vrais positifs avec 0 faux positif (Précision de 100%).
- Il a surpassé ZKFUZZ++ (85 TP) et ZKAP (27 TP) tout en éliminant totalement les faux positifs.
Vitesse de découverte : zkCraft converge beaucoup plus rapidement. Il détecte la majorité des bugs dans les premières minutes (convergence à 100 secondes), là où les méthodes basées sur le fuzzing non guidé ou les solveurs prennent des heures.
Réduction des coûts : L'approche ZK-native réduit drastiquement le nombre d'appels aux solveurs. La taille de la preuve reste constante (environ 96 octets avec HyperPlonk+) quelle que soit la taille du circuit (dans certaines limites), contrairement aux méthodes classiques dont le coût croît linéairement ou exponentiellement.
Bugs inconnus : Le système a découvert de nombreuses vulnérabilités inédites dans des projets de production, notamment des erreurs de calcul cryptographique et des contrefaçons d'identité.

5. Signification et Impact

zkCraft représente une avancée majeure dans la sécurité des circuits ZK en combinant le meilleur de la vérification formelle et du fuzzing automatisé :

Évolutivité : En remplaçant les boucles de solveurs par des preuves succinctes, il rend possible l'analyse de circuits de très grande taille.
Fiabilité : L'utilisation de preuves cryptographiques élimine les faux positifs, un problème récurrent dans le fuzzing ZK.
Auditabilité : La capacité à extraire un contre-exemple concret directement à partir de la preuve facilite grandement le débogage pour les développeurs.
Intégration IA sécurisée : Il démontre comment les LLM peuvent être utilisés de manière sûre et déterministe dans des pipelines de sécurité critiques, en servant de générateur d'hypothèses plutôt que de décideur final.

En résumé, zkCraft offre une voie évolutive et robuste pour le développement de circuits ZK, comblant le fossé entre la théorie de la vérification formelle et les besoins pratiques du débogage automatisé.