Usar Gemini y Z3 para encontrar errores en Go que el fuzzing pasa por alto
Un ingeniero de Google combinó Gemini 4 Argon y el solucionador de restricciones Z3 para detectar pánicos de tiempo de ejecución en código Go que el fuzzing estándar había pasado por alto, revelando puntos ciegos en el manejo de la capacidad de los slices.
Traducido automáticamente del original en inglés.
Un ingeniero de Google que lidera el programa de habilidades de agentes desarrolló una tubería de pruebas híbrida que combina modelos de lenguaje grandes con resolución formal de restricciones para descubrir errores sutiles en aplicaciones Go. Publicado a mediados de noviembre de 2026, este enfoque utiliza Gemini 4 Argon para traducir el ensamblaje compilado en restricciones lógicas para el solucionador Z3, identificando con éxito fallos que las herramientas de fuzzing estándar pasaron por alto debido a peculiaridades del entorno de tiempo de ejecución.
Qué sucedió
El desarrollador creó skill-lint, una interfaz de línea de comandos escrita en Go diseñada para validar y editar archivos SKILL.md para agentes de IA. A pesar de tener un conjunto exhaustivo de pruebas unitarias y de fuzzing, la herramienta seguía siendo vulnerable a pánicos de tiempo de ejecución causados por errores de uno fuera (off-by-one) o operaciones incorrectas de slice en sus analizadores de Markdown. Estos errores a menudo permanecían latentes hasta que patrones de entrada específicos e inusuales los activaban en producción, destacando las limitaciones de los métodos de prueba tradicionales para la lógica de análisis compleja.
Para abordar esto, el ingeniero construyó un flujo de trabajo que compila funciones clave al ensamblaje RISC-V y usa Gemini 4 Argon para analizar las comprobaciones de límites supervivientes. El modelo traduce estas comprobaciones en reglas para el solucionador de restricciones Z3, que luego determina si alguna entrada puede satisfacer las condiciones para un fallo. Este proceso identificó tres errores latentes en skill-lint y detectó con éxito los tres errores artificiales plantados para pruebas, incluidos casos donde el fuzzer estándar de Go no encontró el problema incluso tras ejecuciones prolongadas.
La investigación reveló que el fuzzer de Go a menudo pasa por alto errores de acceso fuera de límites porque típicamente pasa slices con capacidad sobrante. Cuando un slice tiene capacidad extra más allá de su longitud, acceder a índices más allá de la longitud pero dentro de la capacidad no provoca un pánico, ocultando el error. Al recortar la capacidad del slice para igualar su longitud durante las pruebas, el fuzzer pudo detectar los mismos fallos inmediatamente, pero el enfoque del solucionador proporcionó una forma más sistemática de encontrar estos problemas sin depender del azar.
Cómo funciona
El compilador de Go incluye una pasada de optimización llamada SSA prove que elimina las comprobaciones de límites que puede demostrar matemáticamente que son seguras. Sin embargo, algunas comprobaciones permanecen en el código máquina compilado como trampas explícitas que provocan un pánico de tiempo de ejecución si se violan. El nuevo flujo de trabajo apunta a estas trampas supervivientes compilando el código Go con banderas específicas para generar listados de ensamblaje y registros de depuración para la eliminación de comprobaciones de límites. Esto proporciona un mapa preciso de dónde el compilador no pudo garantizar la seguridad.
Gemini 4 Argon analiza tanto el código fuente original en Go como el ensamblaje RISC-V generado. Identifica la ruta hacia cada trampa de comprobación de límites restante y traduce las condiciones lógicas en un script para el solucionador de restricciones Z3. Z3 intenta entonces resolver estas restricciones para encontrar valores de entrada específicos que provocarían el pánico. Si Z3 encuentra una solución, el flujo de trabajo genera un caso de prueba concreto en Go que reproduce el fallo, confirmando que el error existe.
Este método aprovecha la capacidad del LLM para entender la estructura del código y la precisión del solucionador en la deducción lógica. Mientras que el LLM maneja la tarea compleja de traducir instrucciones de ensamblaje en restricciones para el solucionador, Z3 realiza el trabajo pesado de verificar la satisfactibilidad. Todo el proceso toma aproximadamente un minuto por función, siendo la traducción del LLM el cuello de botella y Z3 resolviendo las restricciones en milisegundos, lo que hace factible el análisis dirigido de funciones críticas.
Detalles clave
- El flujo de trabajo usa Gemini 4 Argon para traducir el ensamblaje de Go en restricciones de Z3, centrándose en las comprobaciones de límites supervivientes tras la optimización del compilador.
- El fuzzing estándar de Go pasó por alto dos errores plantados porque rara vez crea slices donde la capacidad es igual a la longitud, permitiendo que lecturas fuera de límites tengan éxito silenciosamente.
- Recortar la capacidad del slice a la longitud en las pruebas de fuzz (
data[:len(data):len(data)]) permitió al fuzzer detectar los mismos fallos en menos de un segundo. - El solucionador identificó tres errores latentes en skill-lint, incluyendo ediciones superpuestas de fragmentos y contabilidad incorrecta de números de línea tras eliminaciones.
- Z3 devuelve "sat" cuando existe una entrada que provoca un fallo y "unsat" cuando no se encuentra tal entrada, proporcionando una señal clara para posibles errores.
- El enfoque está limitado a funciones puras y no detecta condiciones de carrera ni bloqueos, que aún requieren el detector de condiciones de carrera de Go.
Por qué importa
Para los desarrolladores que construyen aplicaciones robustas en Go, especialmente aquellas que involucran analizadores o transformaciones de datos, este enfoque destaca un punto ciego significativo en las prácticas de prueba estándar. Confiar únicamente en el fuzzing puede dejar casos límite críticos sin probar si la estrategia de generación de entradas del fuzzer no se alinea con los requisitos específicos de disposición de memoria del error. Comprender cómo interactúa la capacidad del slice con la comprobación de límites es esencial para escribir código seguro y estable.
Integrar LLMs con herramientas de verificación formal ofrece un término medio práctico entre la revisión manual de código y la demostración completa de teoremas. Permite a los ingenieros aplicar análisis lógico riguroso a funciones específicas de alto riesgo sin la sobrecarga de modelar una aplicación entera. Este método híbrido puede detectar desbordamientos de enteros sutiles y errores lógicos difíciles de identificar solo en el código fuente, mejorando la confiabilidad general de los sistemas de software.
El estudio de caso también demuestra la importancia de comprender el código máquina subyacente al depurar problemas de lenguajes de alto nivel. Al examinar la salida de ensamblaje, los desarrolladores pueden ver exactamente cómo el compilador interpreta su código, incluidas cualquier conversión de tipo implícita u optimización que podría introducir vulnerabilidades. Esta visión más profunda puede conducir a mejores prácticas de codificación y estrategias de prueba más efectivas.
Qué puedes hacer
- Recorta la capacidad del slice a la longitud en tus pruebas de fuzz usando
data[:len(data):len(data)]para asegurar que los accesos fuera de límites provoquen pánicos. - Usa
go build -gcflags="-S -d=ssa/check_bce/debug=1"para identificar qué comprobaciones de límites sobreviven a la optimización del compilador en funciones críticas. - Extrae funciones puras de la lógica de tu aplicación para análisis dirigidos, dejando las llamadas de E/S y red a las pruebas de integración estándar.
- Considera usar solucionadores de restricciones como Z3 para verificar lógica compleja en analizadores o operaciones matemáticas donde el fuzzing aleatorio es ineficiente.
- Revisa la salida de ensamblaje buscando truncamientos de tipo inesperados o movimientos de registros que podrían afectar la lógica de comprobación de límites.
- Combina herramientas de análisis estático con pruebas dinámicas para cubrir tanto la corrección lógica como el comportamiento en tiempo de ejecución de manera integral.


