SEMLA: Säkra företag via maskininlärningsbaserad automation

Syfte och mål

SEMLA syftar till att göra utvecklingen av mjukvarusystem mer resilient, säker och kostnadseffektiv. SEMLA nyttjar senaste utvecklingen inom maskininlärning (ML) och artificiell intelligens (AI) för att automatisera kritiska men vanliga och tidskrävande uppgifter inom mjukvaruutveckling som ofta leder till kritiska säkerhetsbrister. SEMLAs mål är: (i) att snabbt lära sig om nya säkerhetsproblem, (ii) möjliggöra för utvecklare att generera säker kod, (iii) implementera resilient infrastruktur.

Förväntade effekter och resultat

SEMLA möjliggör att industrin kan (i) hantera säkerhetsintrång, (ii) omfördela resurser till ökad innovation, (iii) förbättra produktivitet och korta tid till marknaden, (iv) att växa snabbare, enklare och billigare. Vi siktar på att utveckla en prototyp som upptäcker sårbarheter och förbättrar kodningskapaciteten med stöd av verifieringsverktyg. Ett kompletterande mål är att etablera två nya kurser på KTH via de insikter som skapas genom projektets arbete med språkmodeller och kodgenerering.

Planerat upplägg och genomförande

KTH och RISE kommer att vara de huvudsakliga utförarna av forskning och utveckling. KTH fokuserar på automatisering av sårbarhetsscanning, systemkonfigurering och design av ML modell uppdatering under drift. RISE fokuserar på automatisering av kodförbättring och att hitta den bästa balansen mellan modellstorlek, noggrannhet, uppdateringsfrekvens och energiförbrukning. Saab och RedHat kommer att aktivt stödja utvecklingen, samt testa mjukvaran och modellerna, med fokus på interna användningsfall