Learning from Big Code: Probabilistic Models, Analysis and Synthesis

Informations projet

BIGCODE

N° de convention de subvention: 680358

DOI 10.3030/680358

Projet clôturé

Date de signature de la CE 18 Février 2016

Date de début 1 Avril 2016

Date de fin 31 Mars 2021

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total € 1 500 000,00

Contribution de l’UE € 1 500 000,00

Coordonné par

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH
Suisse

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Actes de conférence (16)

Adversarial Robustness for Code

Auteurs: Pavol Bielik, Martin Vechev
Publié dans: Proceedings of The 37rd International Conference on Machine Learning, 2020
Éditeur: ICML

Learning to find naming issues with big code and small supervision

Auteurs: Jingxuan He, Cheng-Chun Lee, Veselin Raychev, Martin Vechev
Publié dans: Proceedings of the 42nd ACM SIGPLAN International Conference on Programming Language Design and Implementation, 2021, Page(s) 296-311, ISBN 9781450383912
Éditeur: ACM
DOI: 10.1145/3453483.3454045

Robustness certification with generative models

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

Probabilistic model for code with decision trees

Auteurs: Veselin Raychev, Pavol Bielik, Martin Vechev
Publié dans: Proceedings of the 2016 ACM SIGPLAN International Conference on Object-Oriented Programming, Systems, Languages, and Applications - OOPSLA 2016, 2016, Page(s) 731-747, ISBN 9781-450344449
Éditeur: ACM Press
DOI: 10.1145/2983990.2984041

Learning programs from noisy data

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

PHOG: Probabilistic Model for Code

Auteurs: Pavol Bielik, Veselin Raychev, Martin Vechev
Publié dans: Proceedings of The 33rd International Conference on Machine Learning, 2016, Page(s) 2933-2942
Éditeur: PMLR

Learning a Static Analyzer from Data

Auteurs: Pavol Bielik, Veselin Raychev, Martin Vechev
Publié dans: Computer Aided Verification, 2017, Page(s) 233-253
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-319-63387-9_12

Statistical Deobfuscation of Android Applications

Auteurs: Benjamin Bichsel, Veselin Raychev, Petar Tsankov, Martin Vechev
Publié dans: Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security - CCS'16, 2016, Page(s) 343-355, ISBN 9781-450341394
Éditeur: ACM Press
DOI: 10.1145/2976749.2978422

Debin - Predicting Debug Information in Stripped Binaries

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

Learning to Solve SMT formulas

Auteurs: Mislav Balunovic, Pavol Bielik, Martin Vechev
Publié dans: NeurIPS 2018, 2018
Éditeur: Neurips

Differentiable Abstract Interpretation for Provably Robust Neural Networks

Auteurs: MATTHEW MIRMAN, TIMON GEHR, MARTIN VECHEV
Publié dans: Proceedings of the 35 th International Conference on Machine Learning, 2018
Éditeur: PMLR

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

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

Program Synthesis for Character Level Language Modeling

Auteurs: PAVOL BIELIK, VESELIN RAYCHEV, MARTIN VECHEV
Publié dans: International Conference on Learning Representations, 2017
Éditeur: ICLR

Inferring crypto API rules from code changes

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

Learning fast and precise numerical analysis

Auteurs: Jingxuan He, Gagandeep Singh, Markus Püschel, Martin Vechev
Publié dans: Proceedings of the 41st ACM SIGPLAN Conference on Programming Language Design and Implementation, 2020, Page(s) 1112-1127, ISBN 9781450376136
Éditeur: ACM
DOI: 10.1145/3385412.3386016

Adversarial Robustness for Code

Auteurs: Bielik, Pavol; Vechev, Martin
Publié dans: Proceedings of Machine Learning Research, 119, Numéro 6, 2020
Éditeur: ACM ICML
DOI: 10.3929/ethz-b-000466229

Articles approuvés par les pairs (1)

Robust relational layout synthesis from examples for Android

Auteurs: Pavol Bielik, Marc Fischer, Martin Vechev
Publié dans: Proceedings of the ACM on Programming Languages, Numéro 2/OOPSLA, 2018, Page(s) 1-29, ISSN 2475-1421
Éditeur: ACM
DOI: 10.1145/3276526