AI 漏洞研究是非确定性的。 同一个模型在查看同一段代码时，并不会每次都走相同的推理路径。有些路径什么都找不到。有些路径能找到漏洞。 一次扫描就像抛硬币。但如果你不断抛呢？ 介绍 zkao。

zkao 使 AI 安全研究的工作方式类似于模糊测试：不是一次性的事件，而是持续运行，直到覆盖率累积。 我们从 Circom 开始，在这里我们拥有超过 100 次 ZK 系统审计的深厚专业知识。

一次连接您的 GitHub 仓库。zkao 将会： - 按计划（和按需）运行扫描 - 当模型改进时重新扫描 - 当我们发布来自真实审计的新模式时重新扫描 - 去重发现 - 随着覆盖率的提高，几个月后呈现新结果

您的覆盖范围在三个方面得到改善： 1. 模型变得更好 2. 我们的模式变得更丰富（从真实的 Circom 审计中学习） 3. 概率随着重复运行而累积 即使您的代码没有变化，您的安全覆盖范围也会改变。

zkao 不是基于感觉进行训练的。它是通过我们在实践中看到的内容来获取信息。 不受约束的信号、不安全的分配、缺失的范围检查、微妙的跨模板逻辑缺陷。这些都是来自真实交互的模式，编码到扫描您代码库的代理中。

zkao 现在处于早期访问阶段。 如果您有 Circom 电路并希望进行不断智能化的安全研究： 想要早期访问吗？请联系： 安全不应该是一次性的事件。它应该是复合的。