موقعیت دکتری: ارتقای امنیت نرمافزار با استدلال مدلهای زبانی بزرگ برای تشخیص و رفع آسیبپذیری
بررسی اینکه چگونه یادگیری تقویتی میتواند استدلال مدلهای زبانی بزرگ را برای تشخیص و رفع آسیبپذیریها در مخازن نرمافزاری در مقیاس بزرگ بهبود بخشد.
مناسب برای:مناسب برای پژوهشگران هوش مصنوعی با تخصص در یادگیری عمیق، امنیت نرمافزار و یادگیری تقویتی، که به دنبال مشارکت در کاربردهای پیشرفته مدلهای زبانی بزرگ در امنیت سایبری هستند.
مرور کلی
این موقعیت دکتری در Inria Rennes بر پیشبرد امنیت نرمافزار از طریق استفاده از مدلهای زبانی بزرگ (LLM) تمرکز دارد. این پروژه که توسط ابتکار ANR PRCI SecLLM4SVD تامین مالی میشود، با هدف توسعه تکنیکهای تنظیم دقیق مبتنی بر یادگیری تقویتی (RL) برای ارتقای قابلیتهای استدلال مدلهای زبانی بزرگ جهت تشخیص آسیبپذیری و ترمیم خودکار کد در پروژههای نرمافزاری در سطح مخزن انجام میگیرد. نامزد موفق به بررسی روشهایی برای بهبود قابلیت اعتماد مدلهای زبانی بزرگ در برابر حملات خصمانه خواهد پرداخت که امکان کشف عمیقتر آسیبپذیری و تولید پتچهای قوی را در عین حفظ عملکرد کد فراهم میکند. این کار شامل همکاری با دکتر Yuejun Guo در موسسه علم و فناوری لوکزامبورگ و نظارت دکتر Yufei Han در Inria است. این موقعیت یک قرارداد ۳ ساله با شروع از ۱ فوریه ۲۰۲۷ ارائه میدهد و در رن، فرانسه مستقر است.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.