EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

СУЧАСНИЙ СТАН ТА ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ДЛЯ ВАЛІДАЦІЇ РЕЗУЛЬТАТІВ СТАТИЧНОГО АНАЛІЗУ В БЕЗПЕЦІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ

Р. В. Цапковатий

Таврійський науковий вісник. Серія: Технічні науки · 21.05.2026 · 1 (2) · 439-447

DOI: 10.32782/tnv-tech.2026.2.1.43 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Таврійський науковий вісник. Серія: Технічні науки, online erschienen am 21.05.2026. Verfasst von Р. В. Цапковатий. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

У статті проведено аналітичний огляд сучасного стану та перспектив застосування великих мовних моделей (Large Language Models, LLM) для валідації результатів статичного тестування безпеки застосунків (Static Application Security Testing, SAST). Досліджено ландшафт вразливостей програмного забезпечення та тенденції зростання записів у Національній базі даних вразливостей (NVD), що у перспективі вимагатиме від індустрії переходу до більш гнучких методів захисту. Проаналізовано еволюцію практик безпеки в рамках життєвого циклу розробки програмного забезпечення (SDLC), а також роль конвеєрів CI/ CD у сучасних методологіях DevSecOps. У роботі розглянуто інструменти статичного (SAST), динамічного (DAST) та інтерактивного (IAST) тестування безпеки застосунків, їхню точність порівняно на еталонних наборах OWASP Benchmark та Juliet. Окрему увагу приділено проблемі хибних спрацювань (помилок I роду), котра, за даними низки досліджень, залишається основним бар’єром для впровадження SAST у практику розробки. Розглянуто нові підходи до підвищення точності SAST за рахунок інтеграції з великими мовними моделями, зокрема фреймворки IRIS та ZeroFalse, які використовують структуровані виводи SAST у форматі SARIF (Static Analysis Results Interchange Format) як вхідні дані для моделі. Також досліджено вплив методів промптінгу – навчання з кількома прикладами (few-shot learning) та ланцюга міркувань (chain-of-thought) – на якість валідації. Окремо розглянуто обмеження, характерні для LLM у задачах безпеки: галюцинації, нестабільність відповідей та обмеження контекстного вікна. За результатами аналізу зроблено висновок, що поєднання традиційного статичного аналізу із LLM-валідацією дозволяє знизити частку хибних спрацювань без втрати охоплення виявлення вразливостей, суттєво підвищуючи тим самим загальну надійність програмних екосистем.

Zitieren

APA

Цапковатий, Р. В. (2026). СУЧАСНИЙ СТАН ТА ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ДЛЯ ВАЛІДАЦІЇ РЕЗУЛЬТАТІВ СТАТИЧНОГО АНАЛІЗУ В БЕЗПЕЦІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ. Таврійський науковий вісник. Серія: Технічні науки, 1(2), 439-447. https://doi.org/10.32782/tnv-tech.2026.2.1.43

Vancouver

Цапковатий РВ. СУЧАСНИЙ СТАН ТА ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ДЛЯ ВАЛІДАЦІЇ РЕЗУЛЬТАТІВ СТАТИЧНОГО АНАЛІЗУ В БЕЗПЕЦІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ. Таврійський науковий вісник. Серія: Технічні науки. 2026;1(2):439-447. doi:10.32782/tnv-tech.2026.2.1.43

BibTeX
@article{2026,
  author = {Цапковатий, Р. В.},
  title = {СУЧАСНИЙ СТАН ТА ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ДЛЯ ВАЛІДАЦІЇ РЕЗУЛЬТАТІВ СТАТИЧНОГО АНАЛІЗУ В БЕЗПЕЦІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ},
  journal = {Таврійський науковий вісник. Серія: Технічні науки},
  year = {2026},
  volume = {1},
  number = {2},
  pages = {439--447},
  doi = {10.32782/tnv-tech.2026.2.1.43}
}
Kostenlos starten →