LExecution: Lernbasierte Verfahren zum Lenken und Analysieren von Programmausführungen

• Antragsteller: Professor Dr. Michael Pradel
• Fachliche Zuordnung: Softwaretechnik und Programmiersprachen
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 526259073

Die neuronale Softwareanalyse hat sich zu einer effektiven Möglichkeit entwickelt, die traditionelle, logikbasierte Programmanalyse zu ergänzen und zu verbessern. Fast alle heutigen neuronalen Softwareanalysen konzentrieren sich auf den Quellcode und andere statische Software-Artefakte. Im Gegensatz dazu wurde bisher wenig getan, um die Möglichkeiten des maschinellen Lernens im großen Maßstab in Kombination mit dynamischer Programmanalyse zu nutzen. In diesem Projekt werden lernbasierte Techniken eingesetzt, um eine dynamische Analyse zu ermöglichen, Erkenntnisse aus Programmausführungen zu gewinnen und schließlich den Quellcode des Programms zu verbessern. Zu diesem Zweck planen wir, drei Forschungsrichtungen zu verfolgen: (1) Lerngeleitete Ausführung, bei der Modelle des maschinellen Lernens verwendet werden, um dynamische Analyse in Situationen zu ermöglichen, in denen eine normale Ausführung unmöglich wäre. (2) Vorhersagen über die Ausführung, z. B. durch Identifizierung von Fehlverhalten und wahrscheinlichen Fehlern auf der Grundlage der zur Laufzeit verfügbaren Informationen. (3) Ausführungsgeleitete Codebearbeitung, die vorhersagt, wie der Quellcode eines Programms verbessert werden kann, und zwar nicht nur auf Grundlage des Codes, sondern auch auf Grundlage von Spuren der Programmausführung. Zusammengefasst wird das Projekt die Lücke zwischen der dynamischen Programmanalyse und der neuronalen Softwareanalyse schließen, und im Erfolgsfall neuartige Analyseverfahren hervorbringen, die den Stand der Technik übertreffen.

• DFG-Verfahren: Sachbeihilfen