Chercheur en vérification de conception matérielle

TIMA (Unité Mixte de Recherche N°5159) est un laboratoire public de recherche tutelle du CNRS (Centre National de la Recherche Scientifique), de Grenoble INP (Grenoble INP) et de l’UGA (Université Grenoble Alpes). TIMA est une équipe cosmopolite, composée de chercheurs et de stagiaires du monde entier. Les thèmes de recherche du Laboratoire TIMA couvrent la spécification, la conception, la vérification, les tests, les outils de CAO et les méthodes d’aide à la conception des systèmes intégrés, depuis les composants analogiques et numériques de base jusqu’aux systèmes multiprocesseurs sur puce et leur système d’exploitation de base.

Le Laboratoire est organisé en 4 équipes de recherche :

• AMfoRS : Architectures et méthodes pour systèmes résilients

• CDSI : circuits, dispositifs et intégration de systèmes

• RMS : systèmes à signaux mixtes fiables

• SLS : synthèse au niveau du système

Le postdoc proposé se déroulera au sein des équipes AmfoRS et CDSI, sous la supervision de Giorgio Di Natale et Katell Morin. Description de l’offre : Dans le domaine de la conception matérielle, garantir l’exactitude et la fiabilité des conceptions est crucial pour obtenir des performances et des fonctionnalités optimales. La vérification fonctionnelle garantit que la conception d’un système répond à ses spécifications avant la fabrication, en identifiant et en rectifiant les erreurs de conception. Parmi les différentes méthodes permettant de garantir l’exactitude du système, la vérification basée sur les assertions (ABV) est apparue comme l’une des solutions les plus prometteuses pour vérifier la fonctionnalité de conception. À l’inverse, les méthodes de test telles que les tests fuzz jouent un rôle crucial dans l’identification des défauts et des erreurs de conception. Les techniques de fuzzing identifient les défauts de la conception en fournissant des tests inattendus dans la conception et en surveillant les résultats inhabituels, tels que les plantages et les pannes. Lors des tests fuzz, un volume important de données d’entrée est généré et des plantages sont observés. Ces données sont souvent volumineuses et complexes, ce qui rend le processus de test long et coûteux. Compte tenu des limites des fuzzers actuels, il existe un besoin urgent d’améliorer l’efficacité de ces techniques pour répondre à la complexité croissante des conceptions matérielles modernes.

Objectif : L’objectif principal de cette recherche est d’améliorer l’efficacité des méthodes de test fuzz pour la vérification et les tests de conception matérielle en intégrant des techniques d’exploration de règles d’association. Dans cette recherche, notre objectif est d’introduire un nouveau fuzzer capable de servir à la fois de méthode de test et de vérification pour la conception matérielle. En tirant parti des approches d’exploration de données, nous visons à améliorer l’identification et la priorisation des cas de test, conduisant à un processus de fuzzing plus ciblé. De plus, notre objectif est d’améliorer l’efficacité du processus de vérification et d’augmenter la couverture du comportement de conception des conceptions matérielles en utilisant les assertions générées avec le fuzzer proposé. Méthodologie : Dans ce projet de recherche, nous visons à proposer des algorithmes d’exploration de règles d’association pour les intégrer dans le cadre de tests fuzz pour la vérification et les tests de conception matérielle. La méthodologie implique l’utilisation d’algorithmes d’exploration de règles d’association pour analyser les données d’entrée du fuzzer proposé, ainsi que le rapport du fuzzer sur les erreurs et les défauts de conception matérielle, y compris leurs caractéristiques et leur impact sur la fonctionnalité de conception. Ces algorithmes d’exploration de règles d’association aident à identifier les corrélations entre les données d’entrée et les erreurs de conception résultant de ces entrées. Par la suite, la méthode proposée priorise les cas de tests en fonction des corrélations identifiées. De plus, dans le cadre de cette analyse, un ensemble d’assertions est spécifiquement généré pour détecter les erreurs de conception analysées.

Résultats attendus:

• Fuzzing plus ciblé : en identifiant les associations dans les données d’entrée, le processus de fuzzing peut être dirigé vers les zones de la conception les plus susceptibles de contenir des erreurs.

• Détection efficace des anomalies : les règles d’association peuvent aider à reconnaître les anomalies dans le comportement de la conception causées par des entrées spécifiques.

• Moins de surcharge de mémoire : la méthode proposée devrait entraîner une réduction de la surcharge de mémoire et des performances améliorées par rapport aux fuzzers de pointe existants.

. • Processus de fuzzing plus rapide : l’intégration de techniques d’exploration de règles d’association devrait réduire considérablement le temps d’exécution du fuzzer proposé par rapport aux autres fuzzers existants.

• Vérification améliorée de la conception : une distinction clé entre le fuzzer proposé et les méthodes de pointe est sa capacité à générer des assertions parallèlement aux tests de fuzz.