A Tale of Two Case Studies: A Unified Exploration of Rust Verification with SEABMC
Notice bibliographique
Résumé
The Rust type system provides strong compile-time guarantees.However, some properties cannot be fully verified by the compiler.S pecifically,p roperties likep anic freedom and memory safety in mixed safe-unsafe code requirev erification beyond what the language enforces.We exploreh ow to verify these properties in real-world Rust code using SEABMC, a bounded model checker that ingests LLVM-IR generated by the Rust compiler.W ed emonstrate our approach throught wo case studies.In the first, we develop unit proofs forf unctional properties of four data-structurelibraries: SMALLVEC, TINYVEC, SEAV EC,a nd RESULT-TYPE from the Rust standard library.These unit proofs arec heckable by both SEABMC and KANI, as tate-of-the-art bounded model checker forR ust, and we find that SeaBMC verifies these units an order of magnitude faster than Kani.The second case study focuses on verifying panic freedom of Wasmtime'sW INCH compiler.T his applicationi s drivenb yt he requirement forh igh reliability when compiling WA SM smart-contracts in the Stellarn etwork.This case study highlights that executable counterexamples from SEABMCa re highly effective forl ocalizing issues and discovering invariants.Our main contributions are( 1) an ew tool forR ust verification which, on our benchmarks, is an order of magnitude faster than KANI,( 2) twoc ase studies with reusable benchmarking and testing infrastructure, and (3) practical guidelines stemming from our experience verifying real-world code-bases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».