Microsoft pubblica codice e prove formali per la crittografia Rust di SymCrypt
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Rilasciate specifiche, proprietà e dimostrazioni iniziali per SHA‑3 e ML‑KEM usando Aeneas, Lean e agenti AI.
Microsoft Research rende pubblico codice, specifiche, proprietà e prove iniziali per componenti crittografici di SymCrypt scritti in Rust, con esempi su SHA‑3 e ML‑KEM1.
Il gruppo punta a dimostrare che le implementazioni rispettano gli standard in modo sicuro e corretto, inclusa la crittografia post‑quantum. Descrive il lavoro come un percorso “dagli standard al codice”1.
Il pacchetto include implementazioni Rust accompagnate da specifiche formali e da proprietà da verificare. Le prove collegano gli standard al codice in due casi rappresentativi: una funzione di hash (SHA‑3) e un KEM orientato al post‑quantum (ML‑KEM)1.
La catena di strumenti combina Aeneas e Lean. Aeneas verifica una ampia sottosezione di Rust e genera automazione efficiente in Lean per sostenere le dimostrazioni. Con questa combinazione, il team vuole estendere la verifica formale ad algoritmi crittografici usati in produzione, senza uscire dall’ecosistema Rust1.
Entrano in gioco anche agenti di intelligenza artificiale. Scrivono porzioni di prova che restano verificabili in modo indipendente. L’obiettivo è scalare l’automazione mantenendo il controllo formale dei passaggi logici1.
Lo sforzo risponde a problemi noti nella manutenzione del codice crittografico. Difetti aritmetici minimi o controlli di limiti assenti possono compromettere protocolli altrimenti corretti. Test e audit restano necessari, ma non bastano. Le prove formali riducono il margine residuo collegando requisiti e implementazioni con attestazioni matematiche1.
Il blog delimita l’ambito attuale: prove iniziali per SHA‑3 e ML‑KEM e materiale pubblico che unisce implementazione e specifiche. Il gruppo mira a un percorso tracciabile, in cui lo standard non resta un documento ma diventa proprietà verificata riga per riga nel codice Rust1.
Se l’automazione di Aeneas, Lean e degli agenti AI reggerà su altre primitive, l’impostazione potrà estendersi ad algoritmi aggiuntivi. La tenuta su casi futuri misurerà la maturità dell’approccio e la sua utilità su codice di produzione1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.