Google သည် နေရာအနှံ့ရှိ C စာကြည့်တိုက်ကို ပြန်လည်ရေးသားရန် Gemini ကိုအသုံးပြုခဲ့သည် — နှင့် အစီရင်ခံခြင်းမပြုမီ Zero-Day ကိုရှောင်တိမ်းခဲ့သည်

Google သည် Rust တွင်ကျယ်ပြန့်စွာအသုံးပြုထားသော C libraries များကိုပြန်လည်ရေးသားရန်အတွက် Gemini ကိုအသုံးပြု၍ ရှေ့ပြေးပရောဂျက်တစ်ခုကိုပြီးမြောက်ခဲ့ပြီး — နှင့်စမ်းသပ်မှုသည်မည်သူမျှမစီစဉ်ထားသည့်နည်းလမ်းဖြင့်အောင်မြင်ခဲ့သည်။ ကုမ္ပဏီသည် ၎င်း၏ထုတ်လုပ်မှုစနစ်များကို AI မှထုတ်လုပ်ထားသော မှတ်ဉာဏ်ဘေးကင်းသော GIF လုပ်ဆောင်ခြင်းစာကြည့်တိုက် giflib သို့ ပြန်လည်ရေးသားပြီးနောက် မကြာမီတွင်၊ CVE-2026-26740 သတ်မှတ်ပေးထားသော မူရင်း C ကုဒ်တွင် အကန့်အသတ်မရှိသော အစုအဝေးအသစ်တစ်ခုကို ထုတ်ဖော်ခဲ့သည်။ Google ၏ စနစ်များသည် ခုခံနိုင်စွမ်းရှိနေပြီဖြစ်သည်။

ကုမ္ပဏီသည် ဖာထေးခြင်းထက် ဗိသုကာပညာမှတစ်ဆင့် သုည-ရက်အတွင်း အားနည်းချက်ကို ထိထိရောက်ရောက် ချေဖျက်ပေးသည်။ Google ၏ လုံခြုံရေးအင်ဂျင်နီယာအဖွဲ့မှ ၎င်း၏ Bug Hunters ဘလော့ဂ်တွင် ပို့စ်တစ်ခုတွင် ရှင်းပြထားသည့်အတိုင်း ပြန်လည်ရေးသားခြင်းလုပ်ဆောင်နေစဉ်တွင် ဆိုင်းငံ့ထားသောထုတ်ဖော်ချက်ကို အဖွဲ့မှ သိရှိခြင်းမရှိပါ — ကာကွယ်မှုသည် မှတ်ဉာဏ်မလုံခြုံသောကုဒ်ကို ဖယ်ရှားခြင်း၏ ဖွဲ့စည်းပုံဆိုင်ရာ ဘေးထွက်ဆိုးကျိုးတစ်ခုဖြစ်သည်။ [AI သုတေသနနှင့် အင်ဂျင်နီယာချုပ်] (https://aibuzzwire.news) ကို AI Buzz Wire ကို မည်ကဲ့သို့ ပြန်လည်ပုံဖော်နေသည်နှင့် ပတ်သက်၍ ပိုမိုသိရှိလိုပါက AI Buzz Wire ကို လိုက်နာပါ။

ဘာကြောင့် Memory Safety က အရေးကြီးတာလဲ။

Google ၏ကိုယ်ပိုင်သုတေသနအရ Memory Safety Vulnerabilities များသည် C နှင့် C++ codebases များတွင် အားနည်းချက်များ၏ 70% ခန့်ရှိသည်။ Third-party စာကြည့်တိုက်များသည် ပုံမှန်မဟုတ်သော ဒေတာများကို ခွဲခြမ်းစိပ်ဖြာပေးသောကြောင့် အားနည်းချက်တစ်ခုဖြစ်သည်။ တစ်ချိန်တည်းမှာပင်၊ အားနည်းချက်ရှာဖွေတွေ့ရှိမှုနှင့် လက်နက်ပြုလုပ်ခြင်းကြားကာလသည် ကျဉ်းမြောင်းလာသည် — တိုက်ခိုက်သူများသည် AI ကိုယ်တိုင်က ကူညီပေးသော သမားရိုးကျ patch လည်ပတ်မှုများထက် ပိုမိုမြန်ဆန်စွာ ရွေ့လျားကြသည်။

Google သည် Rust ကဲ့သို့ မှတ်ဉာဏ်ဘေးကင်းသော ဘာသာစကားများကို ဦးစားပေးသည့် "Safe Coding" ဗျူဟာကို ကာလရှည်ကြာ ထောက်ခံထားသည်။ မဖြေရှင်းနိုင်သော ပြဿနာမှာ ရိုးရှင်းစွာ ဖျက်၍မရသော C နှင့် C++ မှီခိုမှု၏ ကြီးမားသော ထည့်သွင်းထားသော အခြေခံဖြစ်သည်။ လေယာဉ်မှူးသည် တိုက်ရိုက်မေးခွန်းမေးခဲ့သည်- LLM သည် ထိုမှီခိုအားထားရာများကို Rust အဖြစ်သို့ လျင်မြန်စွာ ပြောင်းလဲနိုင်ပါသလား။

ပစ်မှတ်- giflib

Google သည် Eric S. Raymond မှ ဖန်တီးထားသော တွင်ကျယ်စွာအသုံးပြုထားသော GIF ရုပ်ပုံလုပ်ဆောင်ခြင်းစာကြည့်တိုက်ဖြစ်သည့် giflib ကို ရွေးချယ်ခဲ့သည်။ စာကြည့်တိုက်သည် ပထမအကြိမ်ကြိုးပမ်းမှုအတွက် စံပြရှုပ်ထွေးမှုပရိုဖိုင်ကို ပေးဆောင်ထားသည်- ခန့်မှန်းခြေအားဖြင့် ကုဒ်လိုင်း 3,000၊ SIMD သို့မဟုတ် တပ်ဆင်မှုဆိုင်ရာ အကောင်းဆုံးပြင်ဆင်မှုများနှင့် တည်ငြိမ်သောကုဒ်ဘေစ အရေးကြီးသည်မှာ၊ giflib သည် သဲပုံးမဟုတ်သော ပတ်ဝန်းကျင်များတွင် မယုံကြည်ရသော ဒေတာကို မကြာခဏ လုပ်ဆောင်သည် — တိုက်ခိုက်မှုအပေါ်ယံလုံခြုံရေးအဖွဲ့များက အတိအကျစိုးရိမ်ရသည့် အမျိုးအစားဖြစ်သည်။

ရည်မှန်းချက်မှာ ရည်မှန်းချက်ကြီးသည်- မှီခိုနေသောဝန်ဆောင်မှုများကို လုံးဝအနှောင့်အယှက်မဖြစ်စေဘဲ Google ၏ထုတ်လုပ်မှုအခြေခံအဆောက်အအုံတစ်လျှောက်တွင် အသုံးပြုနိုင်သည့် Memory-Safe, ABI-သဟဇာတရှိသော drop-in အစားထိုးတစ်ခုကို ထုတ်လုပ်ပါ။ စာကြည့်တိုက်၏ ယုတ္တိဗေဒ၏ ကနဦးဘာသာပြန်ခြင်းကို LLM အကူအညီဖြင့် လျင်မြန်စွာ ပြီးမြောက်အောင်မြင်ခဲ့သော်လည်း၊ အဖွဲ့သည် ပြတ်ပြတ်သားသား သက်သေပြခဲ့သည့် လိုအပ်ချက်နှစ်ခု- FFI နယ်နိမိတ်ကို ဂရုတစိုက် စီမံခန့်ခွဲခြင်း — pointer lifecycle နှင့် ရှိပြီးသား C ခေါ်ဆိုသူများနှင့် ကြားခံရှိ Rust ၏ ပိုင်ဆိုင်မှုဆိုင်ရာ သဘောတရားများ — နှင့် Google က "လုံခြုံရေး၏ လူမှုအစိတ်အပိုင်း" ဟုခေါ်သည့် လူသားယုံကြည်မှုအား AI မှ ပြန်လည်ထုတ်ပေးသည့် ဝန်ဆောင်မှုများကို ပြန်လည်အသုံးချရန် လိုအပ်ပါသည်။

မှန်ကန်ကြောင်း ပြချက်

ထုတ်လုပ်မှုယုံကြည်မှုရရှိရန်၊ Rust အကောင်အထည်ဖော်မှုသည် ပြီးပြည့်စုံသော စမ်းသပ်မှုမှတစ်ဆင့် လုပ်ဆောင်ခဲ့သည်-

• အစုလိုက်အပြုံလိုက် ဆုတ်ယုတ်မှုစမ်းသပ်ခြင်း- အစစ်အမှန်ကမ္ဘာ GIF သန်း 30 ကျော်ရှိသော ဒေတာအတွဲကို သက်သေပြပြီး မူရင်းအကောင်အထည်ဖော်မှုနှင့် တူညီသည့်ရလဒ်များကို အတည်ပြုသည်။

• Differential fuzzing- မူရင်း-versus-Rust fuzzer သည် ခြောက်ရက်ကျော်ကြာ အဆက်မပြတ် လည်ပတ်နေပြီး ယုတ္တိဗေဒသွေဖည်မှုများကို မတွေ့ဘဲ သန်း 200 ကျော် ထပ်ခါထပ်ခါ လုပ်ဆောင်နေပါသည်။

• Adversarial AI ပြန်လည်သုံးသပ်ခြင်း- အထူးပြု LLM အချက်ပြမှုများကို သမားရိုးကျစမ်းသပ်ခြင်းမှလွဲချော်နိုင်သည့် codebases နှစ်ခုကြား သိမ်မွေ့သောအပြုအမူဆိုင်ရာ ကွဲပြားမှုများကို ရှာဖွေရန် အသုံးပြုခဲ့သည်။

ပိုက်လိုင်းသည် ဖြန့်ကျက်ခြင်းမပြုမီ ၎င်း၏တန်ဖိုးကို သက်သေပြခဲ့သည်။ ၎င်းသည် LZW ဒီကုဒ်ဒါမှ အနားသတ်အဖုံးကို ဖော်ထုတ်ခဲ့ပြီး - ပိုသိသာသည်မှာ - အဖွဲ့သည် Rust ပြန်လည်ရေးသားမှုတွင် ပြန်လည်ပြင်ဆင်ထားသည့် Google-အတွင်းရေးမွမ်းမံမှုမှ မိတ်ဆက်ပေးခဲ့သည့် နဂိုရှိပြီးသား ဘောင်ပြင်ပတွင် ရေးသားမှုအားနည်းချက်ကို ဖော်ထုတ်တွေ့ရှိခဲ့သည်။

စွမ်းဆောင်မှု မအောင်မြင်ခဲ့ပါ။

Memory-safe languages များအတွက် ဘုံကန့်ကွက်ချက်မှာ runtime bounds checking ကုန်ကျစရိတ်ဖြစ်သည်။ Google သည် ၎င်း၏ ကမ္ဘာလုံးဆိုင်ရာ ရုပ်ပုံလုပ်ဆောင်ခြင်းဝန်ဆောင်မှုများတစ်လျှောက် စောင့်ကြည့်စစ်ဆေးမှုတွင် Rust အကောင်အထည်ဖော်မှုသည် C မူရင်းနှင့် နှိုင်းယှဉ်ပါက စွမ်းဆောင်ရည်-ကြားနေဖြစ်ကြောင်း ပြသခဲ့သည် — ကုမ္ပဏီမှ ရလဒ်တစ်ခု Rust ရွှေ့ပြောင်းမှုများတွင် ထပ်ခါတလဲလဲ တွေ့ရှိခဲ့ကြောင်း ကုမ္ပဏီမှ ပြောကြားခဲ့သည်။

မျှော်လင့်မထားသော ဘောနပ်စ်တစ်ခု ရှိခဲ့သည်။ Rust စာကြည့်တိုက်သည် တည်ဆောက်ခြင်းဖြင့် မမ်မိုရီ-ဘေးကင်းသောကြောင့် Google သည် C စာကြည့်တိုက်ကို သီးခြားခွဲထုတ်ရန် ယခင်ကလိုအပ်သော အရင်းအမြစ်-အများသုံး sandboxing ကို ဖျက်သိမ်းနိုင်ခဲ့သည်။ ထိုဗိသုကာဆိုင်ရာ ရိုးရှင်းမှုသည် ရုပ်ပုံကုဒ်ဝှက်ခြင်းလုပ်ငန်းအတွက် အမြီးကြာချိန်ကို သိသာထင်ရှားစွာ လျှော့ချပေးသည်။

Open Sourced — ရိုးသားသော သတိပေးချက်များဖြင့်

Google သည် Rust ပြန်လည်ရေးသားခြင်းကို github.com/google/giflib-rs တွင် ထုတ်ဝေခဲ့ပြီး ၎င်း၏တွေ့ရှိချက်များကို အသိုင်းအဝိုင်းထံ ပြန်လည်ပေးပို့လျက်ရှိသည်။ ကုမ္ပဏီသည် ပိုမိုကျယ်ပြန့်သော ဖြေရှင်းနည်းများ၏ ဂေဟစနစ်၏ တစ်စိတ်တစ်ပိုင်းအနေဖြင့် zlib ကို Rust သို့ များပြားသောစွမ်းဆောင်ရည်များရရှိစေသော Trifecta Tech Foundation ၏လက်စွဲစာအုပ်ဖြစ်သည့် zlib ကို ပြန်လည်ရေးသားခြင်းကဲ့သို့သော ဖြည့်စွက်လုပ်ဆောင်မှုများကိုလည်း ချီးကျူးဂုဏ်ပြုပါသည်။

သတိပြုရန်အချက်များ။ ပြန်လည်ရေးသားမှုများသည် အပြုအမူဆိုင်ရာ ညီမျှမှုကို မှန်ကန်ကြောင်းအတည်ပြုရန် ကြီးမားသောကမ္ဘာ့ဒေတာ သို့မဟုတ် ခိုင်မာသောရှိပြီးသားစမ်းသပ်မှုအစုံများ လိုအပ်ပြီး ဘာသာစကားများကိုပြောင်းလဲခြင်းဖြင့် အထက်ပိုင်းပရောဂျက်မှသွေဖည်သွားပါက အမှန်တကယ်ပြုပြင်ထိန်းသိမ်းမှုကုန်ကျစရိတ်သည် — အထူးသဖြင့် တက်ကြွသောဖွံ့ဖြိုးတိုးတက်မှုအောက်တွင် မှီခိုမှုများအတွက်ဖြစ်သည်။ တစ်နည်းဆိုရသော် AI-အကူအညီဖြင့် ဘာသာပြန်ခြင်းသည် အရှိန်မြှင့်သော်လည်း အင်ဂျင်နီယာစီရင်ချက်ကို အစားမထိုးပါ။

ပိုကြီးသောရုပ်ပုံ

ပိုင်းလော့သည် LLM များသည် ကုဒ်အကြံပြုချက်များသာမကဘဲ တည်ဆောက်ပုံဆိုင်ရာ လုံခြုံရေးတိုးတက်မှုများကို အတိုင်းအတာတစ်ခုအထိ လုပ်ဆောင်ပေးနိုင်သည့် အရှင်းလင်းဆုံးသော သရုပ်ပြမှုများထဲမှ တစ်ခုဖြစ်သည်။ LLM မောင်းနှင်သော ဘာသာပြန်ခြင်း၏ အမြန်နှုန်းကို ကွဲပြားသောစမ်းသပ်ခြင်းနှင့် ဘေးကင်းရေးနယ်နိမိတ်များကို လူသားကျွမ်းကျင်သူ၏ သုံးသပ်ချက်ဖြင့် ပေါင်းစပ်ခြင်းဖြင့်၊ Google က အားနည်းချက်များအားလုံးကို ထုတ်လုပ်မှုအခြေခံအဆောက်အအုံမှ အနားယူလိုက်နိုင်သည် — မည်သူမျှနောက်ထပ်မည်သည့် CVE လာမည်ကို မည်သူမှမသိမီ။

အရင်းအမြစ်- Google Bug Hunters ဘလော့ဂ်၊ "Scaling Memory Safety- AI-Assisted Rewrites of C/C++ Dependencies of Rust to Rust."

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →