Наконец-то добро пошло Я уже писал, что к верификации хорошо отношусь 🌝 https://t.me/tech_b0lt_Genona/5244 https://t.me/tech_b0lt_Genona/5586 Да и в целом > Тестирование, какое бы оно там ни было (сесурити, нагрузочное или какое другое) это как раз то место, где я реально вижу полезное и безопасное применение различных АЙ-АЙ-ев https://t.me/tech_b0lt_Genona/6136 Аnthropic развивает технику для формальной верификации существующего ПО при помощи AI https://www.opennet.ru/opennews/art.shtml?num=66528 Компания Аnthropic представила результаты экспериментов по использованию AI-моделей для формальной верификации надёжности и безопасности уже существующих проектов. В ходе эксперимента при помощи AI-моделей для 123 открытых библиотек, протестированных в инфраструктуре OSS Fuzz, были сгенерированы математические доказательства отсутствия ошибок при работе с памятью. Проверка проводилась на уровне скомпилированного ассемблерного кода для архитектуры RISC-V. Общий объём сгенерированных доказательств составил около 180 миллионов строк кода для системы верификации Rocq Prover (около 600 тысяч строк на бинарный файл с 18 тысячами RISC-V инструкций). Доказательства формировались путём автоматического преобразования существующих fuzzing-тестов в формальные спецификации, после чего AI-модель Claude доказывала, что при любых входных данных объёмом до 64 МБ в программе не возникает сбоев. В процессе построения доказательств AI-модель смогла выявить и подготовить исправления для сотен ошибок, ранее не замеченных при fuzzing-тестировании. Среди прочего, были выявлены уязвимости, приводящие к переполнению буфера при обработке определённых входных данных (например, CVE-2026-56132 в libexpat), а также логические ошибки. Помимо этого, AI-модель была использована для доказательства соответствия реализации алгоритма zlib в ядре Linux спецификации RFC 1950. Также на языке Rust был сгенерирован интерпретатор для подмножества языка Python, для которого при помощи инструментария Verus подготовлено формальное доказательство соответствия семантике CPython. Для сравнения поведения с CPython было выполнено более 1.7 миллионов случайно сгенерированных Python-программ. В 99.95% случаев результаты выполнения этих программ в новой реализации и в CPython совпали, а выявленные расхождения оказались известными граничными случаями. Оригинал LLMs are making formal software verification feasible at a much larger scale https://www.anthropic.com/research/formal-verification Appendix: LLMs are making formal software verification feasible at a much larger scale https://www-cdn.anthropic.com/files/4zrzovbb/website/6867eadf760258fa8b42a504600cd3c036d16358.pdf Сделаны очень хорошие ролики для тех, кто не очень понимает что дают разные подходы _______ Источник | #tech_b0lt_Genona
FSCP
Subscribers
13.6K
+0 24h
Reach per post (ERR)
6.6%897 avg views
Posting
24.4/day
last 15 minutes ago
Reactions per 1K views
6.2
😁 ❤ 🔥
Views over time
| When | Views |
|---|---|
| 23 Oct 2026, 23:36 | 0 |
| 12 Nov 2026, 09:56 | 732 |
Who shared this post
Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)
Nobody yet.