SEMLA: Säkra företag via maskininlärningsbaserad automation
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - DIVISION OF SOFTWARE AND COMPUTER SYSTEMS |
| Bidrag från Vinnova | 9 260 401 kronor |
| Projektets löptid | november 2023 - oktober 2025 |
| Status | Pågående |
| Utlysning | Avancerad digitalisering - Möjliggörande tekniker |
| Ansökningsomgång | Cybersäkerhet för industriell avancerad digitalisering 2023 |
Viktiga resultat som projektet gav
Projektet utvecklade AI-baserade metoder för att förbättra säker och effektiv mjukvaruutveckling. Vi tog fram **Prometheus**, som kombinerar stora språkmodeller med verifiering för att analysera kod, och avancerade LLM-baserad säkerhetsanalys, inklusive ett första benchmark för nätverkskonfiguration. Vi levererade även snabbare LLM-inferens och skalbara modelltekniker. Resultaten är brett tillämpbara för tillförlitlig AI-baserad mjukvaruutveckling med långsiktig industriell påverkan.
Långsiktiga effekter som förväntas
På längre sikt förväntas projektets resultat få betydelse även utanför nätverksautomation. De metoder och system som utvecklats är brett tillämpbara inom mjukvaruutveckling, särskilt när det gäller hur AI och stora språkmodeller kan kombineras med verifiering, prestandamodellering och systemnivågarantier. Genom att tidigt adressera utmaningar som korrekthet, säkerhet, skalbarhet och kostnad har projektet på ett tidsenligt sätt utforskat framtiden för AI-baserad kodutveckling.
Upplägg och genomförande
Projektet var strukturerat kring tydligt definierade uppgifter som omfattade AI-baserad säkerhetsanalys, kodgenerering och verifiering samt ML-infrastruktur. Aktiviteterna var ändamålsenliga och projektet genomfördes enligt plan. Arbetet fortskred enligt tidplanen utan några betydande förseningar. Samarbetet mellan parterna fungerade väl. Ett viktigt resultat var bekräftelsen att verifiering av komplex mjukvara fortfarande är en öppen forskningsutmaning som kräver vidare arbete.