olimposec.com
tema

#seguranca-de-software

4 publicações marcadas com esta tag.

panoramaOS-2026-522 · 2026-09-26
0

IA acelera descoberta de bugs no kernel Linux e obriga Canonical a adotar ciclo de releases de duas semanas

A Canonical anunciou a migração para um ciclo unificado de releases de segurança de duas semanas depois que ferramentas de IA passaram a encontrar vulnerabilidades no kernel Linux em um ritmo muito superior ao da triagem manual tradicional. A empresa quer reduzir a janela de exposição oferecendo mitigações temporárias em 24 a 48 horas após a divulgação pública, mesmo quando o patch definitivo ainda não está pronto.

Fonte ↗
panoramaOS-2026-475 · 2026-09-21
0

Estudo com 100 desenvolvedores mostra que confiança em sugestões de código de IA nem sempre vira verificação

Pesquisadores conduziram um estudo observacional com 100 participantes para entender como desenvolvedores avaliam a segurança de código sugerido por IA antes de aceitá-lo, isolando justamente a etapa de revisão que costuma ser tratada como garantida. O trabalho, aceito para o IEEE Security and Privacy 2027, expõe que boa parte da segurança do código final depende de pistas superficiais e de quanto o desenvolvedor confia na ferramenta, não de uma análise sistemática de vulnerabilidades.

Fonte ↗
risco médioOS-2026-395 · 2026-09-10
0

LLMSec-AV combina taxonomia dedicada e LLMs para achar vulnerabilidades em software de veículos autônomos

Pesquisadores desenvolveram uma taxonomia de 18 classes de vulnerabilidade específicas para software automotivo e um framework, LLMSec-AV, que usa essa taxonomia para orientar LLMs na análise de código do Autoware. Rodando sobre 161 funções extraídas de 4.673 funções decompostas, o LLM recuperou até 76% das 46 fraquezas conhecidas usadas como referência, contra zero encontradas por CodeQL, Semgrep e Clang Static Analyzer, e apenas uma pelo cppcheck apesar de 1.301 alertas gerados.

Fonte ↗
risco médioOS-2026-187 · 2026-08-10
0

Estudo testa 'model editing' como alternativa ao hardening em tempo de inferência para gerar código mais seguro

O trabalho compara editores de modelo de última geração com CoSec, uma técnica de hardening em tempo de inferência, para reduzir a geração de código vulnerável por LLMs, encontrando ganhos de 15% a 25% na taxa de segurança para tipos de vulnerabilidade já conhecidos pelo modelo, mas transferência fraca para vulnerabilidades não vistas e possível queda na corretude funcional do código gerado. Os autores propõem o SafeEdit, um refinamento pós-edição que recupera boa parte da corretude perdida preservando a maior parte do ganho de segurança.

Fonte ↗