{"id":181863,"date":"2026-06-02T14:48:37","date_gmt":"2026-06-02T12:48:37","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/problemy-s-soblyudeniem-avtorskogo-prava-pri-perepisyvanii-scancode-na-rust-pri-pomoshhi-ai"},"modified":"2026-06-02T14:48:37","modified_gmt":"2026-06-02T12:48:37","slug":"problemy-s-soblyudeniem-avtorskogo-prava-pri-perepisyvanii-scancode-na-rust-pri-pomoshhi-ai","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/news\/problemy-s-soblyudeniem-avtorskogo-prava-pri-perepisyvanii-scancode-na-rust-pri-pomoshhi-ai","title":{"rendered":"Problemi di conformit\u00e0 al copyright nella riscrittura di ScanCode in Rust utilizzando l'AI","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Il toolkit ScanCode, un insieme di strumenti open source concepiti per analizzare il codice alla ricerca di conflitti con i diritti d'autore altrui, identificare le licenze utilizzate e scoprire vulnerabilit\u00e0 non corrette, ha criticato un progetto che ha creato tramite AI un clone del prodotto ScanCode, riscritto da Python a Rust (il nome del clone non viene menzionato, ma tutto fa pensare al progetto Provenant). Si sostiene che nel progetto riscritto sia stata violata la marca registrata di ScanCode e siano state rimosse le menzioni sui diritti d'autore e le licenze. Le lamentele si basano sul fatto che nel clone riscritto continuano a essere utilizzati algoritmi chiave di ScanCode, mantenendo l'architettura del progetto e la struttura del codice. <\/p>\n
Secondo il responsabile di ScanCode, la creazione con successo del clone \u00e8 stata facilitata dalla disponibilit\u00e0 di un esaustivo set di test automatizzati, comprendente oltre 90.000 test, di cui 40.000 dedicati all'individuazione dell'uso di varie licenze nel codice. Gli autori della versione riscritta hanno dichiarato un aumento significativo delle prestazioni (di 10-100 volte), ma, secondo il responsabile di ScanCode, il prezzo di tale accelerazione \u00e8 stato il non completo superamento del set di test, nonch\u00e9 una riduzione della correttezza operativa e della completezza delle informazioni fornite (il clone restituiva risultati errati e non trovava tutte le informazioni durante l'analisi). <\/p>\n
Se nei test di performance speciali il porting in Rust ha superato di gran lunga ScanCode, durante il passaggio attraverso il set di test standard il clone si \u00e8 rivelato pi\u00f9 lento, nonostante alcuni controlli venissero saltati. Dopo l'introduzione di ottimizzazioni in ScanCode, come il caching, le prestazioni di ScanCode nello scanning del codice sono migliorate, risultando equivalenti a quelle del clone in Rust, mantenendo pienamente la correttezza operativa.<\/p>\n
Agli autori del clone viene inoltre imputata la violazione dei diritti d'autore e della licenza Apache 2.0, sotto la quale viene distribuito il codice di ScanCode. Si osserva che durante il processo di riscrittura sono state violate 4 principali condizioni della licenza: mantenimento del file originale con nota (NOTICE), preservazione delle menzioni sui diritti d'autore, evidenziazione delle modifiche apportate e cambio del nome nel lavoro derivato. Dopo il rilievo, gli autori del clone hanno pubblicato il file NOTICE e rinominato il proprio progetto, ma le altre due violazioni rimangono ancora non corrette.<\/p>\n
Il collaboratore di ScanCode ritiene che la comunit\u00e0 debba sviluppare criteri per distinguere ci\u00f2 che si pu\u00f2 considerare un'opera derivata dall'uso dell'AI e ci\u00f2 che \u00e8 una realizzazione indipendente. Secondo lui, dopo aver riscritto il codice in un'altra lingua mantenendo algoritmi e struttura, il risultato rimane comunque un'opera derivata, anche se nel processo sono stati rinominati variabili e modificati o rimossi commenti. Le affermazioni degli autori del porting Rust riguardo a una rielaborazione indipendente, ispirata solo al progetto ScanCode, sono in questo caso scorrette, poich\u00e9 il lavoro mira a creare l'illusione di uno sviluppo originale, che \u00e8 addirittura peggiore del semplice copia e incolla, poich\u00e9 tali manipolazioni sono pi\u00f9 difficili da rilevare. <\/p>\n
Una problematica significativa nella generazione di codice tramite AI \u00e8 la mancanza di tracciamento della provenienza del codice utilizzato per ottenere un risultato. Per impostazione predefinita, gli agenti AI che utilizzano codice proveniente da progetti open source ignorano le informazioni sugli autori, a meno che non siano implementati appositamente strumenti per rilevare e conservare i metadati relativi a licenze e attribuzione. Il problema dell'attribuzione colpisce non solo il lavoro di riscrittura del codice da un linguaggio all'altro, ma anche la generazione di codice in generale; in questo caso, il risultato pu\u00f2 riprodurre abbastanza fedelmente i modelli di codice open source esistente utilizzato nel processo di addestramento del modello. \n Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"