Исследователи представили новый подход к автоматизации верификации криптографического кода с помощью больших языковых моделей. Метод позволяет проверять корректность реализации алгоритмов в производственных библиотеках, минимизируя риск уязвимостей. Использование ИИ в формальной верификации значительно ускоряет процесс поиска ошибок, которые традиционно требуют ручного анализа кода экспертами в области кибербезопасности и математики.
Традиционные методы формальной верификации сложны в масштабировании и требуют глубоких знаний языков спецификаций, таких как Coq или F*. Новый подход предлагает использовать LLM для генерации доказательств корректности и автоматического сопоставления кода с криптографическими стандартами. Это позволяет интегрировать проверку безопасности непосредственно в цикл разработки, обеспечивая высокую надежность библиотек до их выпуска в продакшн.
Авторы работы сосредоточились на устранении разрыва между гибкостью генеративных моделей и жесткими требованиями к безопасности криптографических примитивов. Система не просто пишет код, но и проводит его проверку на соответствие математическим моделям, что снижает вероятность логических ошибок, часто встречающихся при ручном написании низкоуровневых библиотек на C или Rust.
Ключевые факты
- Метод ориентирован на автоматизацию формальной верификации криптографического ПО.
- ИИ-агенты используются для генерации доказательств корректности кода в средах формальной верификации.
- Подход позволяет сократить время на аудит безопасности критически важных библиотек.
- Исследование направлено на снижение человеческого фактора при реализации сложных криптографических алгоритмов.