Samsung SDS présente l'auto-réparation logicielle par IA à la KIISC
Lors de l'atelier du 22 octobre à Séoul, Samsung SDS a détaillé ses recherches sur la détection et la correction automatisées des vulnérabilités.
Le maître de conférences de Samsung SDS, Jo Ji-hoon, a présenté le 22 octobre un exposé intitulé « SW Self-Healing at AI Scale » lors de l'atelier « 2026 AI x RMF Workshop » organisé par la KIISC au Samsung SDS West Campus, à Séoul, selon dailysecu.com. La présentation portait sur les technologies de détection automatique des vulnérabilités logicielles et de correction par IA, ainsi que sur les travaux de recherche associés menés par Samsung SDS.
D'après les supports de la présentation, les équipes ayant participé à la finale du AIxCC 2025 ont analysé et corrigé automatiquement un volume d'environ 54 millions de lignes de code source réel. Elles ont identifié 54 des 63 vulnérabilités synthétiques et réussi à en corriger 43.
Samsung SDS mène par ailleurs des travaux d'automatisation du contrôle des vulnérabilités du code source, des tests d'intrusion et de la vérification de conception, fondés sur des agents d'IA, en coopération avec OpenAI.
Sur le front de la recherche, l'entreprise a développé EvoFuzz, qui génère automatiquement du code de tests unitaires Java, et a récemment étendu ce travail à EvoLLM, qui associe un grand modèle de langage. Selon les supports de présentation, EvoLLM atteint une couverture de code de 71,9 % en lignes et de 57,1 % en branches, avec un score de 49,6 % en test de mutation lors d'expériences comparatives.
Samsung SDS travaille aussi sur S-CAPE (Samsung SDS Crypto Agility Platform for Enterprise), destiné à identifier automatiquement les usages de la cryptographie.
En bref
Qu'a présenté Samsung SDS à l'atelier 2026 AI x RMF de la KIISC ?
Le 22 octobre, Jo Ji-hoon y a présenté « SW Self-Healing at AI Scale », sur la détection automatique des vulnérabilités logicielles et la correction par IA, ainsi que les recherches associées de l'entreprise.
Quels résultats EvoLLM a-t-il obtenus ?
Selon les supports de la présentation, EvoLLM atteint 71,9 % de couverture de code en lignes, 57,1 % en branches et un score de test de mutation de 49,6 %.