Learning from Big Code: Probabilistic Models, Analysis and Synthesis

Informacje na temat projektu

BIGCODE

Identyfikator umowy o grant: 680358

DOI

10.3030/680358

Projekt został zamknięty

Data podpisania przez KE 18 Lutego 2016

Data rozpoczęcia 1 Kwietnia 2016

Data zakończenia 31 Marca 2021

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity

€ 1 500 000,00

Wkład UE

€ 1 500 000,00

Koordynowany przez

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH
Switzerland

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Conference proceedings (16)

Adversarial Robustness for Code

Autorzy: Pavol Bielik, Martin Vechev
Opublikowane w: Proceedings of The 37rd International Conference on Machine Learning, 2020
Wydawca: ICML

Learning to find naming issues with big code and small supervision

Autorzy: Jingxuan He, Cheng-Chun Lee, Veselin Raychev, Martin Vechev
Opublikowane w: Proceedings of the 42nd ACM SIGPLAN International Conference on Programming Language Design and Implementation, 2021, Strona(/y) 296-311, ISBN 9781450383912
Wydawca: ACM
DOI: 10.1145/3453483.3454045

Robustness certification with generative models

Autorzy: Matthew Mirman, Alexander Hägele, Pavol Bielik, Timon Gehr, Martin Vechev
Opublikowane w: Proceedings of the 42nd ACM SIGPLAN International Conference on Programming Language Design and Implementation, 2021, Strona(/y) 1141-1154, ISBN 9781450383912
Wydawca: ACM
DOI: 10.1145/3453483.3454100

Probabilistic model for code with decision trees

Autorzy: Veselin Raychev, Pavol Bielik, Martin Vechev
Opublikowane w: Proceedings of the 2016 ACM SIGPLAN International Conference on Object-Oriented Programming, Systems, Languages, and Applications - OOPSLA 2016, 2016, Strona(/y) 731-747, ISBN 9781-450344449
Wydawca: ACM Press
DOI: 10.1145/2983990.2984041

Learning programs from noisy data

Autorzy: Veselin Raychev, Pavol Bielik, Martin Vechev, Andreas Krause
Opublikowane w: Proceedings of the 43rd Annual ACM SIGPLAN-SIGACT Symposium on Principles of Programming Languages - POPL 2016, 2016, Strona(/y) 761-774, ISBN 9781-450335492
Wydawca: ACM Press
DOI: 10.1145/2837614.2837671

PHOG: Probabilistic Model for Code

Autorzy: Pavol Bielik, Veselin Raychev, Martin Vechev
Opublikowane w: Proceedings of The 33rd International Conference on Machine Learning, 2016, Strona(/y) 2933-2942
Wydawca: PMLR

Learning a Static Analyzer from Data

Autorzy: Pavol Bielik, Veselin Raychev, Martin Vechev
Opublikowane w: Computer Aided Verification, 2017, Strona(/y) 233-253
Wydawca: Springer International Publishing
DOI: 10.1007/978-3-319-63387-9_12

Statistical Deobfuscation of Android Applications

Autorzy: Benjamin Bichsel, Veselin Raychev, Petar Tsankov, Martin Vechev
Opublikowane w: Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security - CCS'16, 2016, Strona(/y) 343-355, ISBN 9781-450341394
Wydawca: ACM Press
DOI: 10.1145/2976749.2978422

Debin - Predicting Debug Information in Stripped Binaries

Autorzy: Jingxuan He, Pesho Ivanov, Petar Tsankov, Veselin Raychev, Martin Vechev
Opublikowane w: Proceedings of the 2018 ACM SIGSAC Conference on Computer and Communications Security - CCS '18, 2018, Strona(/y) 1667-1680, ISBN 9781-450356930
Wydawca: ACM Press
DOI: 10.1145/3243734.3243866

Learning to Solve SMT formulas

Autorzy: Mislav Balunovic, Pavol Bielik, Martin Vechev
Opublikowane w: NeurIPS 2018, 2018
Wydawca: Neurips

Differentiable Abstract Interpretation for Provably Robust Neural Networks

Autorzy: MATTHEW MIRMAN, TIMON GEHR, MARTIN VECHEV
Opublikowane w: Proceedings of the 35 th International Conference on Machine Learning, 2018
Wydawca: PMLR

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

Autorzy: Timon Gehr, Matthew Mirman, Dana Drachsler-Cohen, Petar Tsankov, Swarat Chaudhuri, Martin Vechev
Opublikowane w: 2018 IEEE Symposium on Security and Privacy (SP), 2018, Strona(/y) 3-18, ISBN 978-1-5386-4353-2
Wydawca: IEEE
DOI: 10.1109/sp.2018.00058

Program Synthesis for Character Level Language Modeling

Autorzy: PAVOL BIELIK, VESELIN RAYCHEV, MARTIN VECHEV
Opublikowane w: International Conference on Learning Representations, 2017
Wydawca: ICLR

Inferring crypto API rules from code changes

Autorzy: Rumen Paletov, Petar Tsankov, Veselin Raychev, Martin Vechev
Opublikowane w: Proceedings of the 39th ACM SIGPLAN Conference on Programming Language Design and Implementation - PLDI 2018, 2018, Strona(/y) 450-464, ISBN 9781-450356985
Wydawca: ACM Press
DOI: 10.1145/3192366.3192403

Learning fast and precise numerical analysis

Autorzy: Jingxuan He, Gagandeep Singh, Markus Püschel, Martin Vechev
Opublikowane w: Proceedings of the 41st ACM SIGPLAN Conference on Programming Language Design and Implementation, 2020, Strona(/y) 1112-1127, ISBN 9781450376136
Wydawca: ACM
DOI: 10.1145/3385412.3386016

Adversarial Robustness for Code

Autorzy: Bielik, Pavol; Vechev, Martin
Opublikowane w: Proceedings of Machine Learning Research, 119, Numer 6, 2020
Wydawca: ACM ICML
DOI: 10.3929/ethz-b-000466229

Peer reviewed articles (1)

Robust relational layout synthesis from examples for Android

Autorzy: Pavol Bielik, Marc Fischer, Martin Vechev
Opublikowane w: Proceedings of the ACM on Programming Languages, Numer 2/OOPSLA, 2018, Strona(/y) 1-29, ISSN 2475-1421
Wydawca: ACM
DOI: 10.1145/3276526