SHF: Small: New Frontiers in Constraint-Based Program Analysis

SHF:小型:基于约束的程序分析的新领域

基本信息

  • 批准号:
    1526270
  • 负责人:
  • 金额:
    $ 45万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    2015
  • 资助国家:
    美国
  • 起止时间:
    2015-09-01 至 2017-04-30
  • 项目状态:
    已结题

项目摘要

Title: SHF:Small:New Frontiers in Constraint-Based Program AnalysisConstraint-based analysis is a popular approach to program analysis: it allows to separate analysis specification from analysis implementation, it enables sophisticated implementations by leveraging advances in off-the-shelf solvers, and it provides natural program specifications as constraints. This project proposes Dominoes, a framework that extends the benefits of constraint-based analysis by enabling automatic synthesis of common and emerging use-cases of program analyses, such as finding good abstractions, analyzing incomplete programs, and incorporating user feedback. The intellectual merit of this project is to fundamentally advance demand-driven, compositional, and learning-based analysis techniques. By automatically synthesizing use-cases once and for all, Dominoes amplifies the traditional benefits of constraint-based analysis, liberating analysis designers from having to re-implement those use-cases for their analyses. The project's broader significance and importance lies in enhancing the applicability and usefulness of program analyses by making them more automated, scalable, and flexible. Artifacts embodying these analyses will improve software quality in aspects of reliability, security, performance, and energy efficiency. Dominoes will also improve the productivity of analysis users by allowing them to adapt analyses to their feedback.Dominoes automatically synthesizes implementations of use-cases for any program analysis expressed in Datalog, a popular declarative logic programming language. Existing constraint-based analysis frameworks predominantly focus on solving hard constraints, whereas Dominoes also accommodates soft constraints that arise naturally in diverse use-cases of program analysis, e.g., to model various tradeoffs, intuitions of analysis users, and missing program specifications. The versatility of Dominoes is demonstrated by applying it to three important use-cases: client-driven analysis, summary-based analysis, and user-guided analysis. Despite their diversity, all three use-cases entail solving instances of the maximum satisfiability (MaxSAT) problem, which consists of a combination of hard (inviolable) constraints and soft (violable) constraints. Solving such mixed constraints is not only computationally hard but also poses the problem of specifying weights or confidences of soft constraints. Dominoes develops MaxSAT optimizations comprising demand-driven, compositional, and learning-based methods that are general and independent of any analysis, use-case, or solver, and aim to scale to instances well beyond the reach of existing MaxSAT solvers.
标题:SHF:小:基于约束程序分析的新边界基于基于计划的分析是一种流行的程序分析方法:它允许将分析规范与分析实现分开,它通过利用现成的求解器的进步来实现复杂的实现,并且它提供了自然程序规范作为约束。 该项目提出了多米诺骨牌,该框架通过启用程序分析的共同和新兴用例自动综合,从而扩展了基于约束分析的好处,例如找到良好的抽象,分析不完整的程序以及并入用户反馈。 该项目的智力优点是从根本上推进需求驱动,组成和基于学习的分析技术。通过一劳永逸的用例自动合成用例,多米诺骨牌放大了基于约束分析的传统好处,从而使分析设计师不得不重新实施这些用例进行分析。 该项目更广泛的意义和重要性在于通过使计划分析的适用性和实用性通过使它们更加自动化,可扩展性和灵活性来增强其适用性和实用性。 体现这些分析的工件将在可靠性,安全性,性能和能源效率方面提高软件质量。 Dominoes还将通过允许分析将分析调整为反馈来提高分析用户的生产率。Dominoes自动合成了在Datalog中表达的任何程序分析的用例实现,这是一种流行的声明性逻辑编程语言。 现有的基于约束的分析框架主要集中在解决硬性约束上,而多米诺骨牌还适应了在各种程序分析的不同用例中自然出现的软限制,例如,以建模各种权衡折衷,分析用户的直觉以及缺少程序规范。 通过将其应用于三个重要用例:客户端驱动分析,基于摘要的分析和用户指导分析来证明多米诺骨牌的多功能性。 尽管它们多样性,但这三个用例都需要解决最大满意度(MAXSAT)问题的解决方案,该实例包括硬(不可侵犯)约束和软(违规)约束的组合。 解决这种混合约束不仅在计算上很难,而且还提出了指定权重或软限制的信心的问题。 多米诺骨牌开发了包括需求驱动,组成和基于学习的方法的MaxSAT优化,这些方法是一般且独立于任何分析,用例或求解器,并旨在扩展到超出现有MaxSat求解器范围的实例。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Mayur Naik其他文献

Yada: Straightforward parallel programming
  • DOI:
    10.1016/j.parco.2011.02.005
  • 发表时间:
    2011-09-01
  • 期刊:
  • 影响因子:
  • 作者:
    David Gay;Joel Galenson;Mayur Naik;Kathy Yelick
  • 通讯作者:
    Kathy Yelick
Relational Query Synthesis ⋈ Decision Tree Learning
关系查询综合⋈决策树学习
  • DOI:
    10.14778/3626292.3626306
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Aaditya Naik;Aalok Thakkar;Adam Stein;R. Alur;Mayur Naik
  • 通讯作者:
    Mayur Naik

Mayur Naik的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Mayur Naik', 18)}}的其他基金

SHF: Medium: Scallop: A Neurosymbolic Programming Framework for Combining Logic with Deep Learning
SHF:Medium:Scallop:一种将逻辑与深度学习相结合的神经符号编程框架
  • 批准号:
    2313010
  • 财政年份:
    2023
  • 资助金额:
    $ 45万
  • 项目类别:
    Continuing Grant
Collaborative Research: SHF: Medium: Synthesis of Logic Programs for Democratizing Program Analysis
合作研究:SHF:媒介:民主化程序分析的逻辑程序综合
  • 批准号:
    2107429
  • 财政年份:
    2021
  • 资助金额:
    $ 45万
  • 项目类别:
    Continuing Grant
FMitF: Collaborative Research: Synergies between Program Synthesis and Neural Learning of Graph Structures
FMITF:协作研究:程序综合与图结构神经学习之间的协同作用
  • 批准号:
    1836936
  • 财政年份:
    2019
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
CAREER: Adaptive Large-Scale Program Analysis
职业:自适应大型程序分析
  • 批准号:
    1743116
  • 财政年份:
    2017
  • 资助金额:
    $ 45万
  • 项目类别:
    Continuing Grant
SHF: Small: New Frontiers in Constraint-Based Program Analysis
SHF:小型:基于约束的程序分析的新领域
  • 批准号:
    1737858
  • 财政年份:
    2017
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
CAREER: Adaptive Large-Scale Program Analysis
职业:自适应大型程序分析
  • 批准号:
    1253867
  • 财政年份:
    2013
  • 资助金额:
    $ 45万
  • 项目类别:
    Continuing Grant

相似国自然基金

基于多时序CT影像与病理WSI的非小细胞肺癌新辅助免疫治疗疗效预测研究
  • 批准号:
    82360356
  • 批准年份:
    2023
  • 资助金额:
    32 万元
  • 项目类别:
    地区科学基金项目
PHLDA3通过ALDH1A1调控非小细胞肺癌干性促进新辅助化疗耐药的作用和机制研究
  • 批准号:
    82302950
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
基于免疫多肽组学对小细胞肺癌新靶点STMN1抗原表位的解析及在TCR-T治疗中的应用研究
  • 批准号:
    82303772
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
AMPK信号传递介导加州新小绥螨对高温适应的调控机制
  • 批准号:
    32302425
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
基于影像组学术前预测可切除非小细胞肺癌新辅助免疫治疗疗效的研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

SHF: SMALL: A New Semantics for Type-Level Programming in Haskell
SHF:SMALL:Haskell 中类型级编程的新语义
  • 批准号:
    2345580
  • 财政年份:
    2024
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
SHF: Small: QED - A New Approach to Scalable Verification of Hardware Memory Consistency
SHF:小型:QED - 硬件内存一致性可扩展验证的新方法
  • 批准号:
    2332891
  • 财政年份:
    2024
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
SHF: Small: A New Approach for Hardware Design of High-Precision Discrete Gaussian Sampling
SHF:小:高精度离散高斯采样硬件设计的新方法
  • 批准号:
    2146881
  • 财政年份:
    2022
  • 资助金额:
    $ 45万
  • 项目类别:
    Continuing Grant
CCF:SHF: Small: Some New Class of Error Control Codes for VLSI and Computer Systems
CCF:SHF:小型:用于 VLSI 和计算机系统的一些新型错误控制代码
  • 批准号:
    2006571
  • 财政年份:
    2020
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
SHF: Small: New Algorithmic Paradigms in Dynamic Analysis of Multithreaded Software
SHF:Small:多线程软件动态分析中的新算法范式
  • 批准号:
    2007428
  • 财政年份:
    2020
  • 资助金额:
    $ 45万
  • 项目类别:
    Standard Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了