Descripción del proyecto
Marco web para la certificación automática de «software»
Impulsada por tecnologías como el internet de las cosas, la informática en la nube, la inteligencia artificial y el aprendizaje automático, la rápida digitalización de la sociedad y la industria ha llevado a una creciente dependencia de sistemas informáticos complejos. Si bien estas innovaciones aumentan la productividad y la comodidad, también incrementan el riesgo de que se produzcan errores imprevistos en el «software» o el sistema que pueden agravarse y causar daños importantes. El proyecto Learn, financiado por el Consejo Europeo de Investigación, pretende abordar este reto desarrollando un marco basado en la web que detecte de forma automática y rentable posibles errores y certifique la fiabilidad del «software». La herramienta ayudará a los desarrolladores y a las organizaciones a garantizar sistemas más seguros y robustos, contribuyendo a mitigar los riesgos en un mundo cada vez más digital e impulsado por los datos.
Objetivo
Certified computer systems are becoming the key in the increasingly complex decision making activities of our modern society. Among others, provably correct/secure solutions within Artificial Intelligence (AI), Autonomous Systems, Big Data, Blockchain, Decentralized Finance (DeFi), Cloud Computing, or Machine Learning (ML) are indispensable in the ongoing digitalization of our society.
While the explosion in applications of computer systems leads to great increases in productivity, wealth, and convenience, it creates a paradoxical situation: we rely on computer systems despite that uncountable many application scenarios showcase that computer systems are not (properly) certified and hence are error-prone. Unfortunately, a single software error can quickly escalate into a big issue with huge economic damage. Software errors could be though prevented by rigorous code reviews in the software logic. However, who can tell software developers which logical formalism should be used? Moreover, which certification mechanism is best to be used during code review, for ensuring system safety and security? LEARN answers these questions by automating reasoning about software and discovering proof strategies for software certification. Doing so, LEARN introduces a web-based framework for learning and predicting logic models of software properties. LEARN also discovers collections of proof strategies without relying on server back-end, by automating inductive reasoning over commonly used software data structures.
LEARN eliminates massive costs arising from correcting defective software releases, by proving an easy to deploy certification platform for developers and organizations.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véase: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véase: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Para utilizar esta función, debe iniciar sesión o registrarse
Le pedimos disculpas, pero se ha producido un error inesperado durante la ejecución.
Necesita estar autentificado. Puede que su sesión haya finalizado.
Gracias por su comentario. En breve recibirá un correo electrónico para confirmar el envío. Si ha seleccionado que se le notifique sobre el estado del informe, también se le contactará cuando el estado del informe cambie.
Palabras clave
Programa(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Convocatoria de propuestas
(se abrirá en una nueva ventana) ERC-2024-POC
Consulte otros proyectos de esta convocatoriaRégimen de financiación
HORIZON-ERC-POC -Institución de acogida
1040 Wien
Austria