Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Automated Probabilistic Black-Box Verification

Description du projet

Des automates d’apprentissage pour la vérification des réseaux

Le développement de méthodes et d’outils qui garantissent le comportement, les performances et la sécurité des systèmes est essentiel en informatique. La technique émergente de recherche de bogues par automates d’apprentissage a déjà été appliquée à la vérification des cartes bancaires et des protocoles de communication de base des réseaux. Toutefois, les algorithmes actuels ne prennent pas en charge les aspects quantitatifs ou concurrentiels qui sont essentiels pour la modélisation de propriétés telles que la congestion des réseaux et la tolérance aux pannes. Le projet AutoProbe, financé par l’UE, développera un nouveau cadre de vérification permettant la vérification automatisée basée sur un modèle pour les systèmes probabilistes et concurrents, motivé par des applications dans les réseaux. Le projet fournira des algorithmes d’apprentissage actif, dans le style de l’algorithme L* d’Angluin, pour des modèles d’automates avec des caractéristiques probabilistes et concurrentes.

Objectif

One of the longstanding challenges in Computer Science has been the development of methods and tools providing rigorous guarantees about systems’ behavior, performance, and security. There have been many successes in overcoming this challenge, notably the invention and widespread use of model checking. However, existing methods are impaired by the tension between the need of fast developing systems and the slowdown caused by the complexity of providing a model against which running systems can be verified. Automata learning – automated discovery of automata models from system observations such as test logs – is emerging as a highly effective bug-finding technique with applications in verification of bank cards and basic network communication protocols. The design of algorithms for automata learning is a fundamental research problem and in the last years much progress has been made in developing and understanding of new algorithms (including the PI’s own work). Yet, existing algorithms do not support crucial quantitative or concurrency aspects that are essential in modelling properties such as network congestion and fault-tolerance. The central objective of this project is to develop a new verification framework that enables automated model- based verification for probabilistic and concurrent systems, motivated by applications in networks. We will provide active learning algorithms, in the style of Angluin’s seminal L* algorithm, for automata models that were so far too complex to be tackled. We will base our development on rigorous semantic foundations, developed by the PI in recent years, which provide correctness for the algorithms in a modular way. The project will significantly advance model-based verification in new and previously unexplored directions. This line of research will not only result in fundamental theoretical contributions and insights in their own right but will also impact the practice of concurrent and probabilistic network verification.

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

ERC-COG - Consolidator Grant

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) ERC-2020-COG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

UNIVERSITY COLLEGE LONDON
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 2 000 000,00
Adresse
GOWER STREET
WC1E 6BT LONDON
Royaume-Uni

Voir sur la carte

Région
London Inner London — West Camden and City of London
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 2 000 000,00

Bénéficiaires (1)

Mon livret 0 0