💻 computer science

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

Il paper presenta zkCraft, un framework pratico che combina localizzazione deterministica, ricerca con prove crittografiche e modelli linguistici guidati da prompt per rilevare in modo efficiente e scalabile inconsistenze semantiche nei circuiti zero-knowledge.

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

Pubblicato 2026-03-04

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

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

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover costruire un castello di carte perfetto, ma con una regola segreta: ogni carta deve stare in equilibrio esatto con le altre. Se anche una sola carta è messa male, l'intero castello crolla, oppure peggio: sembra in piedi ma in realtà è un trucco che permette a qualcuno di rubare le carte senza che nessuno se ne accorga.

Nel mondo della crittografia moderna (i Zero-Knowledge Proofs o "prove a conoscenza zero"), questi castelli sono chiamati circuiti. Servono per dimostrare che hai fatto un calcolo corretto (ad esempio, "ho abbastanza soldi per pagare") senza rivelare i tuoi dati segreti (il tuo saldo bancario).

Il problema? Costruire questi circuiti è facilissimo sbagliare. Un piccolo errore di calcolo può creare buchi nella sicurezza o bloccare il sistema.

Ecco che entra in gioco zkCraft, il nuovo "detective" presentato in questo articolo.

1. Il Problema: Trovare l'ago nel pagliaio

Fino a oggi, trovare questi errori era come cercare un ago in un pagliaio gigante. Gli strumenti esistenti facevano due cose:

I controllori statici: Guardavano solo la forma delle carte, ma non capivano se l'equilibrio fosse davvero rotto.
I provatori (Solver): Provavano a costruire il castello milioni di volte con carte diverse per vedere se crollava. Era preciso, ma lentissimo e costoso (come pagare un esercito di muratori per un'ispezione).

2. La Soluzione: zkCraft, il Detective Magico

zkCraft è un sistema intelligente che combina tre ingredienti magici per trovare i difetti in un batter d'occhio:

A. La Mappa Intelligente (LLM come "Oracolo")

Immagina di avere un architetto esperto (un'intelligenza artificiale, o LLM) che non costruisce il castello, ma ti dice: "Ehi, guarda qui! Spesso gli errori avvengono quando si usa un numero troppo piccolo o troppo grande".
zkCraft usa questa intelligenza artificiale non per scrivere il codice, ma per indovinare dove cercare. È come se il detective ti dicesse: "Non cercare in tutta la casa, controlla solo sotto il tappeto rosso e nel cassetto della cucina". Questo riduce enormemente il tempo di ricerca.

B. L'Impronta Digitale (Row-Vortex)

Una volta individuati i sospetti (le parti del circuito dove potrebbero esserci errori), zkCraft non le controlla una per una. Le impacchetta tutte in un'unica "impronta digitale magica" chiamata Row-Vortex.
Pensa a questo come a un codice a barre universale: invece di scansionare ogni singola carta del castello, scansioni un unico codice che ti dice istantaneamente se qualcuna delle carte sospette è sbagliata.

C. La Prova che non mente (Violation IOP)

Qui sta il vero trucco. Invece di far lavorare un computer potente per ore per trovare l'errore, zkCraft chiede al "costruttore" di dimostrare matematicamente che esiste un errore, senza rivelare subito qual è.
È come se il costruttore ti dicesse: "Ti giuro che c'è un errore nel castello. Ecco una prova matematica (una sorta di sigillo digitale) che lo conferma".
Se la prova regge, allora sai con certezza che c'è un bug. E il bello è che questa prova è così piccola (pochi byte, come un tweet) che puoi verificarla in un secondo, anche con un telefono vecchio.

3. Il Risultato: La "Prova come Controesempio"

Quando zkCraft trova un errore, non ti dice solo "c'è un bug". Ti dà la prova che include anche la soluzione esatta: "Ecco la carta sbagliata, ecco come era posizionata, e ecco come avrebbe dovuto essere".
È come se il detective non solo ti dicesse "c'è stato un furto", ma ti consegnasse anche la foto del ladro e la mappa del suo nascondiglio, tutto in un unico foglio di carta che non può essere falsificato.

In sintesi, perché è rivoluzionario?

Velocità: Trova errori che prima richiedevano ore in pochi minuti (o secondi).
Precisione: Non si perde in falsi allarmi (non ti dice che c'è un errore quando non c'è).
Sicurezza: Usa la matematica avanzata (la crittografia) per garantire che la prova sia vera, eliminando la necessità di controlli umani lenti e costosi.

zkCraft è quindi come avere un detective super-intelligente che, invece di ispezionare ogni singolo mattone di un grattacielo, usa una lente magica per vedere istantaneamente dove il cemento è debole, e ti consegna un certificato inconfutabile che ti dice esattamente come ripararlo.

Titolo

zkCraft: PROMPT-GUIDED LLM AS A ZERO-SHOT MUTATION PATTERN ORACLE FOR TCCT-POWERED ZK FUZZING

1. Il Problema

Le circuiti a conoscenza zero (Zero-Knowledge Circuits, ZK) sono fondamentali per sistemi scalabili e che preservano la privacy, ma sono notoriamente difficili da implementare correttamente. La difficoltà principale risiede nel forte accoppiamento tra il generatore di testimoni (che calcola i valori privati) e il sistema di vincoli (usato per la verifica della prova).
Quando questi due componenti non sono allineati, si verificano due classi critiche di errori:

Vincoli sottodimensionati (Under-constrained): Il sistema di vincoli accetta tracce di esecuzione che nessun testimone valido potrebbe produrre, permettendo potenziali frodi o falsificazioni.
Vincoli sovradimensionati (Over-constrained): Tracce di esecuzione valide che producono testimoni corretti vengono erroneamente rifiutate dai vincoli, causando fallimenti operativi.

Le tecniche esistenti (verifica formale, fuzzing dinamico, analisi statica) presentano limiti significativi: la verifica formale non scala su circuiti grandi, mentre il fuzzing tradizionale richiede un numero elevato di chiamate costose a risolutori SMT/SAT e genera molti falsi positivi o candidati di basso valore.

2. Metodologia

zkCraft è un framework nativo ZK che combina localizzazione algebrica, prove di violazione compatte e template di mutazione guidati da LLM. L'approccio trasforma la ricerca combinatoria di piccole modifiche (edit) vulnerabili in un'unica dichiarazione di esistenza algebrica certificata crittograficamente.

Il processo si articola in tre fasi principali:

A. Fase 1: Estrazione di Firme Sparse e Selezione dei Candidati

Il framework analizza le matrici R1CS del circuito Circom.
Calcola metriche diagnostiche per ogni riga di vincolo, misurando l'intersezione tra le variabili del testimone e i siti di assegnazione debole (weak assignments).
Genera un "fingerprint" compatto per riga e assegna un punteggio per selezionare un pool ridotto di righe candidate ( $R_{cand}$ ) che hanno la massima probabilità di contenere errori.

B. Fase 2: Commitment Row-Vortex e Violation IOP (Nucleo ZK-Native)

Questa è l'innovazione centrale. Invece di iterare su risolutori SMT, zkCraft:

Codifica Row-Vortex: Trasforma la selezione delle righe candidate e le costanti di sostituzione in un unico polinomio bivariato $R(X, Y)$ .
Commitment: Il prover si impegna su questo polinomio utilizzando uno schema di commitment polinomiale efficiente (es. HyperPlonk+ o BaseFold).
Violation IOP (Interactive Oracle Proof): Il prover esegue un protocollo Sum-Check per dimostrare l'esistenza di un testimone $w'$ $w^{'}$ che soddisfa i vincoli modificati ma produce un'uscita pubblica diversa ( $y' \neq y$ $y^{'} \neq = y$ ).
- Questo dimostra l'esistenza di un bug senza rivelare immediatamente i dettagli, ma producendo una prova compatta.
- La prova funge da controesempio certificato: se la verifica ha successo, la prova stessa contiene le informazioni necessarie per ricostruire l'errore.

C. Fase 3: Sintesi Deterministica e Oracoli LLM

Estrazione: Una volta verificata la prova, un estrattore ricostruisce deterministica le modifiche concrete (i valori sostituiti) e il testimone corrispondente.
LLM come Oracolo Zero-Shot: Gli LLM (es. StarCoder, DeepSeek) non risolvono i vincoli né generano prove. Agiscono come generatori di template di mutazione deterministici.
- Ricevono prompt fissi per proporre modifiche ai lati destri delle assegnazioni deboli (bias verso valori di bordo come 0, $q-1$ , ecc.).
- Questo riduce lo spazio di ricerca verso casi limite rilevanti, mantenendo il processo riproducibile e auditabile.

3. Contributi Chiave

Framework di Ricerca Nativo ZK: Mappa la ricerca di bug su una singola istanza algebrica di esistenza certificata da una Violation IOP, eliminando la necessità di migliaia di chiamate a risolutori esterni.
Row-Vortex Commitment: Un nuovo schema di codifica che combina selezione di righe e parametri di mutazione in un polinomio bivariato, permettendo di comprimere lo spazio di ricerca in una prova compatta.
Prova come Controesempio (Proof-as-Counterexample): La prova ZK non solo certifica la presenza di un bug, ma permette la ricostruzione deterministica del controesempio concreto (input, stato interno, output) senza bisogno di rieseguire l'intero ciclo di verifica TCCT.
Oracoli LLM Deterministici: Utilizza modelli linguistici come generatori di template di mutazione "zero-shot" per biasare la ricerca verso casi limite, integrandoli in modo sicuro e decoupled dalla generazione della prova.

4. Risultati Sperimentali

Il framework è stato valutato su 452 circuiti Circom reali di varie dimensioni (da piccoli a molto grandi, fino a 10.000+ vincoli).

Efficacia di Rilevamento: zkCraft ha rilevato 88 bug unici (True Positives) su tutti i benchmark, superando gli strumenti esistenti come ZKFUZZ, ZKAP, Picus e Circomspect.
Precisione: Ha raggiunto una precisione del 100% (0 falsi positivi), a differenza di altri strumenti che hanno mostrato tassi di FP significativi (es. ZKFUZZ++ ha avuto 0 FP ma meno bug trovati; ZKAP ha avuto molti FP).
Velocità e Scalabilità:
- Riduce drasticamente le chiamate ai risolutori SMT.
- La dimensione della prova rimane costante (circa 96 byte con HyperPlonk+) indipendentemente dalla dimensione del circuito, finché si rimane entro i limiti del backend.
- Il tempo di generazione del prover cresce sub-linearmente ( $O(|C|^{0.7})$ ).
Scoperta di Bug Nuovi: Ha identificato numerosi bug precedentemente sconosciuti in progetti di produzione, inclusi errori di calcolo crittografico e falsificazioni di identità.
Ablazione: La rimozione di componenti chiave (come la selezione Row-Vortex o l'IOP) ha portato a un rallentamento significativo e a una minore copertura dei bug.

5. Significato e Impatto

zkCraft rappresenta un passo avanti significativo nell'automazione della sicurezza dei circuiti ZK:

Ponte tra Verifica Formale e Fuzzing: Unisce la robustezza della verifica formale (garanzie algebriche) con l'efficienza del fuzzing guidato.
Scalabilità: Risolve il collo di bottiglia delle chiamate ai risolutori, rendendo la verifica di bug possibile su circuiti di grandi dimensioni dove i metodi precedenti fallivano.
Auditabilità: Fornisce controesempi concreti e verificabili crittograficamente, facilitando il lavoro degli sviluppatori per correggere i bug.
Sicurezza: Dimostra che l'uso di LLM nel testing di sicurezza può essere sicuro e deterministico se utilizzati come generatori di template e non come solutori diretti.

In sintesi, zkCraft offre un percorso scalabile e pratico per lo sviluppo di circuiti ZK robusti, riducendo i costi computazionali e aumentando la fiducia nei sistemi di privacy e scalabilità basati su ZK.