Learning from Big Code: Probabilistic Models, Analysis and Synthesis

Información del proyecto

BIGCODE

Identificador del acuerdo de subvención: 680358

DOI

10.3030/680358

Proyecto cerrado

Fecha de la firma de la CE 18 Febrero 2016

Fecha de inicio 1 Abril 2016

Fecha de finalización 31 Marzo 2021

Financiado con arreglo a

• EXCELLENT SCIENCE - European Research Council (ERC)

Coste total

€ 1 500 000,00

Aportación de la UE

€ 1 500 000,00

Coordinado por

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH
Switzerland

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Publicaciones

Conference proceedings (16)

Adversarial Robustness for Code

Autores: Pavol Bielik, Martin Vechev
Publicado en: Proceedings of The 37rd International Conference on Machine Learning, 2020
Editor: ICML

Learning to find naming issues with big code and small supervision

Autores: Jingxuan He, Cheng-Chun Lee, Veselin Raychev, Martin Vechev
Publicado en: Proceedings of the 42nd ACM SIGPLAN International Conference on Programming Language Design and Implementation, 2021, Página(s) 296-311, ISBN 9781450383912
Editor: ACM
DOI: 10.1145/3453483.3454045

Robustness certification with generative models

Autores: Matthew Mirman, Alexander Hägele, Pavol Bielik, Timon Gehr, Martin Vechev
Publicado en: Proceedings of the 42nd ACM SIGPLAN International Conference on Programming Language Design and Implementation, 2021, Página(s) 1141-1154, ISBN 9781450383912
Editor: ACM
DOI: 10.1145/3453483.3454100

Probabilistic model for code with decision trees

Autores: Veselin Raychev, Pavol Bielik, Martin Vechev
Publicado en: Proceedings of the 2016 ACM SIGPLAN International Conference on Object-Oriented Programming, Systems, Languages, and Applications - OOPSLA 2016, 2016, Página(s) 731-747, ISBN 9781-450344449
Editor: ACM Press
DOI: 10.1145/2983990.2984041

Learning programs from noisy data

Autores: Veselin Raychev, Pavol Bielik, Martin Vechev, Andreas Krause
Publicado en: Proceedings of the 43rd Annual ACM SIGPLAN-SIGACT Symposium on Principles of Programming Languages - POPL 2016, 2016, Página(s) 761-774, ISBN 9781-450335492
Editor: ACM Press
DOI: 10.1145/2837614.2837671

PHOG: Probabilistic Model for Code

Autores: Pavol Bielik, Veselin Raychev, Martin Vechev
Publicado en: Proceedings of The 33rd International Conference on Machine Learning, 2016, Página(s) 2933-2942
Editor: PMLR

Learning a Static Analyzer from Data

Autores: Pavol Bielik, Veselin Raychev, Martin Vechev
Publicado en: Computer Aided Verification, 2017, Página(s) 233-253
Editor: Springer International Publishing
DOI: 10.1007/978-3-319-63387-9_12

Statistical Deobfuscation of Android Applications

Autores: Benjamin Bichsel, Veselin Raychev, Petar Tsankov, Martin Vechev
Publicado en: Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security - CCS'16, 2016, Página(s) 343-355, ISBN 9781-450341394
Editor: ACM Press
DOI: 10.1145/2976749.2978422

Debin - Predicting Debug Information in Stripped Binaries

Autores: Jingxuan He, Pesho Ivanov, Petar Tsankov, Veselin Raychev, Martin Vechev
Publicado en: Proceedings of the 2018 ACM SIGSAC Conference on Computer and Communications Security - CCS '18, 2018, Página(s) 1667-1680, ISBN 9781-450356930
Editor: ACM Press
DOI: 10.1145/3243734.3243866

Learning to Solve SMT formulas

Autores: Mislav Balunovic, Pavol Bielik, Martin Vechev
Publicado en: NeurIPS 2018, 2018
Editor: Neurips

Differentiable Abstract Interpretation for Provably Robust Neural Networks

Autores: MATTHEW MIRMAN, TIMON GEHR, MARTIN VECHEV
Publicado en: Proceedings of the 35 th International Conference on Machine Learning, 2018
Editor: PMLR

AI2: Safety and Robustness Certification of Neural Networks with Abstract Interpretation

Autores: Timon Gehr, Matthew Mirman, Dana Drachsler-Cohen, Petar Tsankov, Swarat Chaudhuri, Martin Vechev
Publicado en: 2018 IEEE Symposium on Security and Privacy (SP), 2018, Página(s) 3-18, ISBN 978-1-5386-4353-2
Editor: IEEE
DOI: 10.1109/sp.2018.00058

Program Synthesis for Character Level Language Modeling

Autores: PAVOL BIELIK, VESELIN RAYCHEV, MARTIN VECHEV
Publicado en: International Conference on Learning Representations, 2017
Editor: ICLR

Inferring crypto API rules from code changes

Autores: Rumen Paletov, Petar Tsankov, Veselin Raychev, Martin Vechev
Publicado en: Proceedings of the 39th ACM SIGPLAN Conference on Programming Language Design and Implementation - PLDI 2018, 2018, Página(s) 450-464, ISBN 9781-450356985
Editor: ACM Press
DOI: 10.1145/3192366.3192403

Learning fast and precise numerical analysis

Autores: Jingxuan He, Gagandeep Singh, Markus Püschel, Martin Vechev
Publicado en: Proceedings of the 41st ACM SIGPLAN Conference on Programming Language Design and Implementation, 2020, Página(s) 1112-1127, ISBN 9781450376136
Editor: ACM
DOI: 10.1145/3385412.3386016

Adversarial Robustness for Code

Autores: Bielik, Pavol; Vechev, Martin
Publicado en: Proceedings of Machine Learning Research, 119, Edición 6, 2020
Editor: ACM ICML
DOI: 10.3929/ethz-b-000466229

Peer reviewed articles (1)

Robust relational layout synthesis from examples for Android

Autores: Pavol Bielik, Marc Fischer, Martin Vechev
Publicado en: Proceedings of the ACM on Programming Languages, Edición 2/OOPSLA, 2018, Página(s) 1-29, ISSN 2475-1421
Editor: ACM
DOI: 10.1145/3276526