Description du projet
Apprendre aux ordinateurs à déboguer les logiciels
On appelle «bogue logiciel», tout type d’erreur, faille, défaillance ou dysfonctionnement d’un programme ou d’un système informatiques qui entraîne un résultat incorrect ou inattendu. La détection de bogues est le processus qui consiste à les traquer. Elle fait généralement appel à des techniques et à des outils formels qui recherchent des cas de modèles de bogues qui reviennent de façon récurrente dans les projets et les domaines d’application. Le projet LearnBugs, financé par l’UE, a pour ambition de changer radicalement la façon dont les outils de détection automatique de bogues sont développés. Il remplacera les programmes codés manuellement par des modèles d’apprentissage automatique déjà entrainés. Cela révolutionnera les méthodes appliquées par les développeurs de logiciels pour détecter les bogues. Le projet augmentera la fiabilité, la sécurité et l’efficacité des systèmes logiciels complexes utilisés par des millions de personnes.
Objectif
"Learning to Find Software Bugs
Software has become the cornerstone of modern society, economy, and life. Since software is created by humans, though, every non-trivial program contains various bugs, i.e. programming errors that may have disastrous consequences. Traditional approaches to find bugs include automated bug detection tools. Such tools search for instances of bug patterns that recur across projects and application domains. However, automated bug detection currently cannot unleash its full potential because each bug detector addresses one bug pattern and one programming language, while creating new bug detectors is feasible only for program analysis experts.
The objective of this proposal is to radically change the way automated bug detection tools are created. The core idea is to replace manually written program analyses with trained machine learning models. To this end, developers will train a bug detector for a particular bug pattern with examples of buggy and non-buggy code, which the model learns to distinguish. The project will realize this vision by developing a reusable framework that addresses several fundamental challenges at the intersection of software engineering, programming languages, and machine learning, e.g.: (i) How to support developers in creating large amounts of training data of buggy and non-buggy code examples? (ii) How to represent programs in a way suitable for advanced machine learning techniques?
The proposed project has the potential to revolutionize how software developers find bugs. To date, no other research has addressed the problem of automatically learning bug detection tools. If successful, the project will ""democratize"" bug detection by enabling all software developers, instead of a few program analysis experts, to create and share bug detection tools. Ultimately, the project will contribute to increasing the reliability, security, and efficiency of complex software systems used by millions of people."
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Thème(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2019-STG
Voir d’autres projets de cet appelRégime de financement
ERC-STG - Starting GrantInstitution d’accueil
70174 Stuttgart
Allemagne