KEYWORD |
Detezione di guasti utilizzando AI tramite monitoraggio dell’heap e stack di un programma
Parole chiave ARTIFICIAL INTELLIGENCE, COMPUTER ARCHITECTURE, PROGRAMMAZIONE, RELIABILITY
Riferimenti STEFANO DI CARLO, ALESSANDRO SAVINO
Riferimenti esterni Enrico Magliano
Gruppi di ricerca DAUIN - GR-24 - SMILIES - reSilient coMputer archItectures and LIfE Sci
Tipo tesi RICERCA APPLICATA
Descrizione Obiettivi: Sviluppare un rilevatore di errori basato sull'intelligenza artificiale per i sistemi operativi in tempo reale, valutando l'occupazione di heap e
stack dei programmi.
Descrizione:
I Soft Error indotti dalle radiazioni sono tra i problemi di affidabilità più gravi che affliggono i circuiti integrati, specialmente per applicazioni in real-time in ambiti critici per la sicurezza (SACRES), per esempio aerospazio e guida autonoma. In genere sono affrontati con vari tipi di ridondanza che sta diventando inaccessibile a causa della complessità dei moderni microprocessori in tutti i domini.
Questa tesi propone un modello basato sull'intelligenza artificiale per rilevare I Soft Error analizzando l'occupatione dello stack e dell’heap della memoria. Offrendo un'alternativa più intelligente rispetto alla ridondanza. In questa tesi si esplorerà la fattibilità di questo approccio e si identificheranno le migliori tecniche di IA per un accurato rilevamento degli errori.
Conoscenze acquisibili: sistemi operativi real-time, fault injection, soft error e modelli Deep Learning
Conoscenze richieste Programmazione C e Python, Concetti di Sistemi Operativi e basi di AI.
Scadenza validita proposta 12/12/2025
PROPONI LA TUA CANDIDATURA