机构名称：
¥ 1.0
许多行业正在进行数字化转型，并且在日常生活的几乎所有方面，包括关键的基础设施和业务运营，软件系统已经无处不在。这是由人工智能（AI）和机器学习（ML）技术的成功所推动的，这使他们渴望将它们部署在一般软件开发中。但是，软件和AI系统的广泛采用也意味着我们越来越依赖它们固有的正确性和安全性。这是由安全的关键应用（例如自动关键基础架构，自动驾驶，医疗保健或数字融资）突出的，在这里必须确保软件和AI系统的正确性，因为不正确的行为会导致致命后果。我的研究关注的是帮助程序员确保软件和AI系统正确，安全和值得信赖。为此，我研究了正式方法及其在程序分析和验证中的应用，以及值得信赖的AI和安全的自主权。我工作的长期目标是提高可信赖软件和AI的形式方法的理论和自动化，尤其是在存在概率不确定性的情况下。我工作中的两个指导原则是数学上严格的正确性保证和完全自动化的。经典的形式方法在推理确定性系统的推理方面取得了令人印象深刻的结果，并就该系统是否满足感兴趣的某些属性提供了答案。满足某些属性或平均案例的概率（即预期）行为。但是，由于多种原因，包括与未知或嘈杂环境的相互作用，数据，随机化，过程交织或多代理系统的推断，软件和AI系统的不确定性可能出现。在存在不确定性的情况下，系统的行为不再是确定性的，它们的分析需要对例如我的研究目标是为概率系统的自动形式推理的理论和算法基础做出贡献。我工作的长期视野是使适用于当前适用于非概率系统的相同级别和规模的概率系统的形式方法，从而使软件和AI系统在存在概率不确定的情况下更加安全，稳健和可信赖。
研究声明
主要关键词
相关文件推荐
