172 artigos
O artigo apresenta o Lockbox, uma arquitetura de Confiança Zero projetada para garantir o processamento seguro de cargas de trabalho sensíveis na nuvem, aplicando verificação explícita de confiança, isolamento forte e acesso de menor privilégio para permitir o uso de ferramentas avançadas, como IA, sem comprometer a segurança.
Este artigo apresenta um pipeline automatizado que utiliza Grandes Modelos de Linguagem (LLMs) para detectar e analisar as causas raiz de testes flutuantes em software quântico, expandindo um conjunto de dados existente e demonstrando que o modelo Google Gemini alcança alta precisão na classificação e identificação de falhas.
Este artigo analisa os desafios enfrentados por pesquisadores da Nova Zelândia em conferências de engenharia de software, como custos de viagem e barreiras logísticas, e propõe estratégias como participação híbrida e reformas de governança para promover uma inclusão global mais equitativa.
Este artigo apresenta um novo framework híbrido que combina execução concolica, priorização guiada por LLM e classificação baseada em aprendizado profundo para detectar malware gerado por IA com garantias formais de correção, alcançando uma precisão superior a 97,5% em ameaças de dia zero.
Este artigo investiga a capacidade de modelos de linguagem avançados (como GPT-5 e Claude Sonnet 4.0) de gerar automaticamente diagramas de classes UML a partir de requisitos em linguagem natural, propondo um framework de validação dual que combina julgamento por IA e avaliação humana para demonstrar que tais modelos produzem diagramas estruturalmente coerentes e semanticamente significativos com alta alinhamento às avaliações de especialistas.
O artigo apresenta o AgenticCyOps, um quadro de segurança que define princípios defensivos e limites de confiança para mitigar riscos de integração em sistemas multiagentes empresariais, demonstrando uma redução significativa de superfícies de ataque em fluxos de trabalho de operações de cibersegurança.
O artigo apresenta o ToolRosetta, um quadro unificado que automatiza a tradução de repositórios de código de código aberto em ferramentas compatíveis com o Protocolo de Contexto de Modelo (MCP), permitindo que agentes de modelos de linguagem de grande escala executem tarefas complexas com intervenção humana mínima e garantias de segurança.
Este estudo de caso demonstra que é possível gerar especificações de requisitos de sistema sintéticas e realistas com o ChatGPT sem acesso a dados reais, embora a avaliação automática por LLMs não substitua completamente a necessidade de uma avaliação expert devido a contradições e deficiências identificadas.
O artigo apresenta o RoadLogic, uma ferramenta de código aberto que utiliza Programação em Conjuntos de Respostas, planejamento de movimento e monitoramento baseado em especificações para transformar automaticamente definições declarativas de cenários (OpenSCENARIO) em simulações executáveis e verificadas para testes de veículos autônomos.
Este artigo relata a experiência no desenvolvimento de três currículos de engenharia de software para profissionais e descreve uma abordagem sistemática baseada no mapeamento de conteúdo para integrar cursos de engenharia de requisitos, propondo princípios fundamentais para essa adaptação.
Este artigo relata a síntese e busca feedback sobre o Modelo de Artefatos para Engenharia de Requisitos Regulatórios (AM4RRE), uma abordagem proposta para integrar a conformidade por projeto ao ciclo de vida de desenvolvimento de software, superando os desafios de coordenação entre múltiplas perspectivas e a falta de processos sistemáticos na indústria.
O artigo apresenta o EmbC-Test, uma solução baseada em RAG e LLMs que automatiza a geração de testes para software embarcado em C, reduzindo o tempo de teste manual em até 66% e alcançando uma taxa de sucesso de 85% na validação em tempo de execução.
Este artigo apresenta um currículo de engenharia de IA baseado em projetos que integra práticas ágeis e ferramentas de IA para preparar estudantes de engenharia de software, demonstrando por meio de um estudo de caso que essa abordagem integrada desenvolve competências práticas, embora exija adaptações no ensino e verificação oral para garantir a aprendizagem fundamental.
O artigo apresenta o EsoLang-Bench, um novo benchmark que utiliza linguagens de programação esotéricas para avaliar o raciocínio genuíno de modelos de linguagem, revelando que, apesar de seu alto desempenho em tarefas de codificação convencionais, eles falham drasticamente ao aprender novas linguagens a partir de documentação, indicando que seus resultados anteriores derivam mais de memorização do que de capacidade de raciocínio transferível.
Este estudo empírico identifica e classifica os "maus odores de interação" em tarefas de geração de código colaborativa entre humanos e LLMs, propondo o framework InCE para mitigar essas falhas e melhorar significativamente a taxa de sucesso das tarefas.
Este trabalho apresenta os "neural debuggers", modelos de linguagem que emulam depuradores tradicionais permitindo controle interativo sobre a execução de código Python, superando as limitações dos interpretadores neurais existentes e estabelecendo as bases para sistemas de codificação autônomos mais avançados.
O artigo apresenta o MORCoRA, uma técnica de busca multiobjetivo que recomenda sequências de refatoração para melhorar a qualidade do código e preservar a semântica, ao mesmo tempo que identifica revisores disponíveis e com expertise adequada para garantir a aprovação rápida da revisão.
Este artigo explora o potencial transformador da inteligência artificial na geração e validação de casos de teste, destacando como essa tecnologia supera os desafios dos métodos tradicionais ao aumentar a eficiência, a cobertura e a confiabilidade dos lançamentos de software, ao mesmo tempo em que aborda os obstáculos relacionados à qualidade dos dados e à supervisão humana.
Este artigo analisa a segurança e a qualidade do código gerado por modelos de linguagem de grande escala (LLMs) em múltiplas linguagens, revelando que, embora a automação seja eficaz, os modelos frequentemente falham ao adotar recursos de segurança modernos e ainda empregam métodos desatualizados, especialmente em C++ e Java 17.
O artigo apresenta o iProg, uma ferramenta de Programação Indutiva Estruturada Interativa que utiliza um protocolo de comunicação bidirecional para colaborar com especialistas humanos e modelos de linguagem na decomposição de tarefas de análise de dados em diagramas de fluxo e geração de código, demonstrando superioridade em desempenho, qualidade e velocidade de desenvolvimento em comparação com alternativas Low Code/No Code em colaborações científicas.