172 articles
Ce papier présente Lockbox, une architecture Zero Trust conçue pour permettre le traitement sécurisé de charges de travail cloud sensibles en appliquant une vérification explicite, une isolation stricte et un contrôle d'accès minimaliste tout au long du cycle de vie de l'application.
Cet article présente une pipeline automatisée utilisant des modèles de langage (LLM) pour détecter et analyser les causes racines des tests flous dans les logiciels quantiques, ayant permis d'identifier 25 nouveaux cas et d'atteindre une précision élevée avec le modèle Google Gemini.
Cet article examine les obstacles géographiques et financiers auxquels sont confrontés les chercheurs néo-zélandais dans les conférences d'ingénierie logicielle et propose des stratégies, telles que l'adoption de formats hybrides et des réformes de gouvernance, pour favoriser une participation mondiale plus équitable.
Cet article présente un cadre d'analyse hybride novateur combinant l'exécution concolique guidée par des LLM et une classification par apprentissage profond pour détecter avec des garanties formelles les malwares générés par IA, surpassant les méthodes traditionnelles avec une précision de 97,5 % sur des menaces zero-day.
Cette étude évalue la capacité de modèles de langage avancés à générer automatiquement des diagrammes de classes UML à partir d'exigences textuelles en proposant un cadre de validation hybride qui démontre leur alignement significatif avec les évaluations humaines.
Le papier présente AgenticCyOps, un cadre de sécurité architectural qui définit des principes de défense pour sécuriser l'intégration des systèmes multi-agents dans les opérations cybernétiques d'entreprise en réduisant les surfaces d'attaque et en s'alignant sur les normes de conformité.
Le papier présente ToolRosetta, un cadre unifié qui automatise la conversion de dépôts de code open-source en outils MCP standardisés pour permettre aux agents d'IA d'exécuter des tâches complexes avec une intervention humaine minimale, tout en intégrant une couche de sécurité et en surpassant les performances des modèles commerciaux.
Cette étude de cas démontre que, bien que ChatGPT puisse générer des spécifications de exigences système synthétiques réalistes dans une certaine mesure grâce à des itérations de prompts, les évaluations automatisées par LLM ne peuvent pas remplacer les vérifications approfondies par des experts en raison de contradictions et de lacunes détectées.
Le papier présente RoadLogic, une solution open-source qui comble le fossé entre les spécifications déclaratives OpenSCENARIO et les simulations exécutables pour les véhicules autonomes en utilisant la programmation par ensembles de réponses et la planification de mouvement pour générer automatiquement des scénarios réalistes et conformes.
Ce rapport d'expérience présente une approche systématique et des principes fondamentaux pour intégrer efficacement des cours d'ingénierie des exigences dans des curriculums d'ingénierie logicielle destinés aux professionnels, en tenant compte de la nature dynamique et modulaire de ces formations.
Cet article présente la synthèse et sollicite des retours sur le modèle d'artefacts pour l'ingénierie des exigences réglementaires (AM4RRE), conçu pour faciliter une intégration systématique de la conformité dès la conception dans le cycle de développement logiciel en surmontant les défis de coordination entre les différentes perspectives.
Cet article présente EmbC-Test, une solution basée sur le RAG et les LLMs qui automatise la génération de tests pour le logiciel embarqué en C, permettant de réduire le temps de test de 66 % tout en assurant un taux de validation d'exécution de 85 %.
Cet article présente un curriculum d'ingénierie IA basé sur des projets qui intègre les pratiques agiles et les outils d'IA générative pour préparer les étudiants au développement logiciel moderne, en s'appuyant sur une étude de cas et des évaluations préliminaires.
Le papier présente EsoLang-Bench, un nouveau benchmark utilisant des langages de programmation ésotériques pour révéler que les grands modèles de langage, bien que performants sur les tâches de codage standards, échouent à démontrer un raisonnement véritable en raison d'une dépendance excessive à la mémorisation des données d'entraînement.
Cette étude empirique propose une première taxonomie des « Interaction Smells » dans la génération de code collaborative multi-tours avec les LLM, analyse leur distribution sur plusieurs modèles et introduit le cadre InCE pour améliorer la qualité des interactions grâce à l'extraction d'invariants globaux et à des audits pré-génération.
Cet article présente les « neural debuggers », des modèles de langage capables d'émuler les fonctionnalités interactives des débogueurs traditionnels pour prédire l'exécution de programmes Python, ouvrant ainsi la voie à des systèmes de codage autonomes plus performants.
L'article présente MORCoRA, une technique de recherche multi-objectif qui recommande des séquences de refactorisation améliorant la qualité du code tout en identifiant des réviseurs experts et disponibles pour garantir une revue rapide et efficace.
Cet article examine comment l'intelligence artificielle transforme le génie logiciel en automatisant la génération et la validation des cas de test pour améliorer l'efficacité, la précision et l'évolutivité, tout en abordant les défis liés à la qualité des données et à la nécessité d'une supervision humaine.
Cette étude analyse la sécurité et la qualité du code généré par des modèles de langage (LLM) sur plusieurs langages, révélant que leur efficacité varie considérablement et qu'ils ont souvent tendance à utiliser des méthodes obsolètes plutôt que les fonctionnalités de sécurité modernes.
Cet article présente iProg, un outil d'induction inductive interactive structurée qui utilise un protocole de communication à double intelligibilité pour collaborer avec des LLMs et des experts humains afin de générer rapidement des systèmes d'analyse de données fiables et interprétables, surpassant les approches Low Code/No Code traditionnelles.