Anthropic Formal Doğrulama Çalışması: 123 Kütüphanede 239 Fuzz Testi Giriş Noktası Kanıtlandı

Anthropic'in Frontier Red Team'i 22 Ekim 2026'da yayımladığı yazıda, Claude'un 123 açık kaynak kütüphanedeki 239 fuzz-test giriş noktası için formal kanıtlar yazdığını, bu kanıtların Rocq kanıt denetleyicisiyle doğrulandığını ve süreçte yüzlerce hata bulunduğunu bildirdi; yazı sonucun "hatasız yazılım" anlamına gelmediğini kendisi vurguluyor.

Bu sayfa Anthropic'in "LLMs are making formal software verification feasible at a much larger scale" başlıklı araştırma yazısının doğrudan okunmasına dayanır. Metin Türkçe olarak sıfırdan yazılmış, haber sitelerinden rakam aktarılmamıştır. Çalışma, iş ortağı Theorem (theorem.dev) ile yürütülmüştür.

Künye

Yöntem: Fuzz Testinden Kanıta

Fuzz testi, bir programa çok sayıda rastgele girdi vererek çökme aramak demektir. Anthropic'in yaklaşımında mevcut fuzz testleri, derlenmiş RISC-V ikilileri üzerinde bir belirtime (spec) çevrildi. Belirtim, testin 64 MB'tan küçük hiçbir girdide çökmediğini söylüyor. Claude kanıtları yazdı, Rocq kanıt denetleyicisi bunları doğruladı. Bir hata bulunduğunda Claude kodu yamaladı ve yeniden kanıtladı. Yazarlar, çökmeyi önemsiz yoldan engelleyen yamaları cezalandırdı ve ödül istismarını yakalamak için yamaları kaydedip denetledi.

Yazıdaki Diğer Bulgular

Yazıya göre Opus 5.5, 36 küçük doğrulama görevinde Opus 5'e göre yaklaşık yüzde 40 daha az token kullandı. Rust ile yazılmış bir Python yorumlayıcısı, 1,7 milyon rastgele programın yüzde 99,95'inde CPython ile aynı davranışı gösterdi. Bu iki rakam yazının yan bulgularıdır; ana sonuç 239 giriş noktasının kanıtlanmasıdır. Yazılım güvenliği konusundaki başka bir sayfamız için virüslü antivirüsler uyarısı yazımıza bakabilirsiniz.

Sınırlamalar: "Doğrulanmış" Neyi Kapsamıyor?

Anthropic'in sayfasında sayılan sınırlar şunlardır: "formal olarak doğrulanmış" ifadesi hatasız demek değildir. Kanıtlar tek iş parçacıklı, statik, musl libc ile bağlı bir RISC-V ikilisini varsayar; gerçek dağıtımlar çoğunlukla x86 ya da ARM ve dinamik glibc kullanır. AddressSanitizer her bellek güvenliği hatasını yakalamaz. Her kütüphanenin her giriş noktası doğrulanmamıştır, kütüphaneyi yanlış kullanan çağıranların riski kapsanmaz ve kanıtlar yüz milyonlarca token gerektirebilir.

Bu Sayfada Ne Yok?

• Doğrulanan kütüphanelerin adları ve bulunan hataların tek tek listesi: bu sayfa yazıdaki özet rakamlarla sınırlıdır.
• Çalışmanın maliyeti ve harcanan token toplamı: yazıdan doğrulanarak aktarılmadığı için yazılmamıştır.
• "Yazılım artık hatasız" ya da "güvenlik sorunu çözüldü" yorumu: kaynak bunu söylemediği için yazılmamıştır.
• x86 ya da ARM ikilileri için sonuç: yazıdaki kanıtlar RISC-V ikilisi içindir.
• Yazarların tam listesi: sayfada 15 isim geçtiği için burada tek tek yazılmamıştır.
• Bağımsız üçüncü taraf doğrulaması: kaynakta yoktur.
• Türkiye'ye özgü bir etki ya da uygulama: kaynakta yoktur.

Sık Sorulan Sorular

Kaç kütüphane ve giriş noktası kanıtlandı?

123 açık kaynak kütüphanede 239 fuzz-test giriş noktası.

Kanıtları kim doğruladı?

Kanıtları Claude yazdı; doğrulamayı Rocq kanıt denetleyicisi yaptı.

Bu yazılımın hatasız olduğu anlamına mı geliyor?

Hayır. Yazı, kanıtların belirli bir RISC-V/musl modelini ve 64 MB altı girdileri kapsadığını, her giriş noktasının doğrulanmadığını söylüyor.

Hata bulundu mu?

Evet; yazıya göre kanıt denemeleri sırasında yüzlerce hata bulundu ve Claude bunların bir kısmını yamalayıp yeniden kanıtladı.

Rocq nedir?

Matematiksel kanıtların bilgisayarla denetlendiği bir kanıt asistanıdır; burada Claude'un yazdığı kanıtların geçerliliğini denetledi.

Kaynak ve kapsam: Anthropic Frontier Red Team, "LLMs are making formal software verification feasible at a much larger scale" (anthropic.com/research, 22 Ekim 2026). Kütüphane adları, maliyet verileri, bağımsız doğrulama ve x86/ARM sonuçları kaynakta bulunmadığı için yazılmamıştır.