摘要: 智能软件系统具有广泛的应用前景，但其质量保障成为重要挑战。智能软件系统是非确定性智能模型嵌入确定性业务流程的复杂软件系统。智能模型通常以海量数据驱动方式构建，并呈现出大规模非线性变换数值计算特性；模型嵌入系统运行于各类复杂软硬件平台和非确定性开放环境， 适应多样化业务场景且目标任务难以精确表达，给质量保障带来诸多新挑战。以深度学习为代表的数据驱动智能软件系统，尚存在数据与软件的质量依存关联机制和智能软件缺陷的触发与传播机理两大科学问题 需要突破，且面临多模态数据融合和开放信息物理环境的挑战。本项目拟研究多模态融合的数据生成与扩增方法，探索领域可解释的智能软件质量评估方法和物理特性强关联的智能系统质量分析方法，进一步采用质量驱动的智能软件缺陷自动修复技术，在无人装备智能软件系统保障领域取得示范性应用。

简介:陈振宇，南京大学软件学院教授、博士生导师，主要从事智能软件工程的研究。慕测科技创始人、 IEEE国际软件测试大赛发起人，江苏省计算机学会产业工委执行主任，苏宁易购独立董事，开创了MoocTest，并在BigCode和AIEngin取得了重要研究成果， 部分成果已经在百度、阿里、华为等知名软件公司转化。

摘要: 作为最重要的系统软件之一，编译器的质量至关重要。在实际中，编译器测试是保证编译器质量的最广泛使用的手段。区别于传统编译器测试技术，我们提出一套数据驱动的编译器测试技术: 不仅考虑了编译器测试过程中存在以及生成的大量数据，而且还深入挖掘了测试程序自身的大量语法语义数据。 通过对这些数据的学习与挖掘，该技术构建测试输入与编译器缺陷之间的关系，以提升编译器测试效果与效率。该数据驱动的编译器测试技术能够（1）高效生成揭示不同编译器缺陷的测试程序，（2）自动化识别编译器缺陷所在位置，（3）扩展到其他复杂系统软件的测试上（比如深度学习框架和深度学习编译器等）。

简介:陈俊洁，天津大学智能与计算学部特聘研究员、长聘副教授，博士生导师。2019年7月于北京大学信息科学技术学院获得博士学位，获得2019年CCF优秀博士学位论文奖。主要研究领域为软件分析与测试，具体包括编译器测试、深度学习系统测试，以及微服务系统测试与运维等。 发表学术论文40余篇，其中CCF A类论文30篇，获得三项ACM SIGSOFT杰出论文奖（FSE 2020，ASE 2019，ISSTA 2019 ）；担任ASE 2021 Review Process Chair、软件学报专刊特邀编辑，以及多个高水平国际会议程序委员会成员和期刊评委等。

摘要: 并发软件大量运行在我们生活中的各种计算设备纸上，从超算到个人终端等。但是由于并发软件运行时的不确定性，并发缺陷极难检测。目前的很多工作都集中于某一特定并发缺陷的检测算法，也存在误报问题。我们提出了一种基于偏序关系图的统一并发缺陷检测算法，通过判定并发序列的可行性来判定并发缺陷的真假。 而不同类型的并发缺陷，很容易被转换为并发序列。从而将不同类型并发缺陷的检测问题，转换为并发序列的统一判定问题。因此该算法在检测并发缺陷方面具有很好的通用性。我们证明该算法具有多项式复杂度，且在给定的模型下没有误报。也证明了在特定情况下的完备性。

简介:蔡彦，中科院软件所研究员、博士生导师。2014年从香港城市大学获得博士学位，研究方向包括程序分析、软件测试、软件安全等。针对大规模并发软件的测试，提出了一系列动态测试方法，并发表于软件工程相关会议ICSE、ESEC/FSE等。担任ICSE 2022 AE Co-Chair、JSS编委等。 2017年入选中国科协“青年人才托举工程”和中国计算机学会“青年人才托举计划”、2018获“NASAC-东软 青年软件创新奖”。个人主页: http://yancai.site

摘要: 随着车联网及自动驾驶等技术的高速发展，车辆控制软件的规模也日益庞大，测试分析的难度及对安全的要求也越来越大。上层应用，协议到底层的内核等，微小的漏洞，都可能被触发利用引发严重的后果。所以，针对车控软件的安全保障至关重要。 本报告针对DDS库，RTPS协议，RTOS内核等典型车控软件的模糊测试展开，提出基于智能动态调度的应用库模糊测试、跨状态覆盖搜索的协议模糊测试和任务感知学习的内核模糊测试，提升车控软件栈的整体安全测试效果。

简介:姜宇，清华大学软件学院副教授，博士生导师。研究方向为软件系统的动态安全测评分析，在广泛使用的系统软件中挖掘130个漏洞被收录入中美国家信息安全漏洞库，核心成果被并入AFL++、Google ClusterFuzz等模糊测试平台，以第一作者或通讯作者在 USENIX Security、USENIX ATC 及 ACM EMSOFT等会议上发表论文70余篇。

摘要: 人类社会正在进入软件定义一切的时代，软件系统的规模和复杂性增长进一步加剧，软件可信保障面临更加严峻的挑战。复杂软件代码中状态空间爆炸、非线性行为难以建模等障碍使得软件验证过程中的复杂性难以控制，现有方法与技术离处理实际问题需要存在较大差距。本报告将介绍我们为有效解决软件验证过程中的复杂性控制问题所提出的基于路径空间遍历的有界验证途径。 我们从单条路径状态空间验证出发控制整体验证的复杂性；通过路径中不可行片段的抽取进行路径空间缩减；引入智能化动态迭代求解技术处理非线性约束难解问题。基于上述路径遍历的途径，我们开发了软件验证工具BRICK，并在领域公认案例上展现出了相关方法的有效性与可行性。

简介:卜磊，南京大学计算机科学与技术系教授，博士生导师，主要研究领域包括软件工程与形式化方法，包括模型检验技术、实时混成系统、信息物理融合系统等方向。入选国家级青年人才计划， NASAC青年软件创新奖，高校计算机专业优秀教师奖励计划等。