Telegram-канал projemagale - کنفرانسها و ژورنالهای کامپیوتر: Unsorted

کنفرانسها و ژورنالهای کامپیوتر

16 July 2026 21:16

• تولید خودکار وصله‌های امنیتی قابل اعتماد با استفاده از LLM و تأیید رسمی: روشی که یک LLM وصله تولید کند و سپس یک ابزار Formal Verification صحت و امنیت وصله را اثبات کند.
• تحلیل امنیتی زنجیره تأمین نرم‌افزار (Supply Chain Security): ابزاری برای ارزیابی ریسک امنیتی کتابخانه‌های شخص ثالث با تحلیل پویای رفتار آنها در یک Sandbox.

---

🧠 ۵. مهندسی نرم‌افزارِ سیستم‌های یادگیری ماشین (MLOps / AI Engineering)

🔹 مسئله: توسعه و نگهداری مدل‌های ML در محیط عملیاتی با چالش‌های مهندسی نرم‌افزار مواجه است.
🔹 موضوعات پیشنهادی:
• تشخیص و مدیریت Data Drift در خط لوله‌های ML: سیستمی که نه‌تنها تغییر توزیع داده را تشخیص دهد، بلکه به‌طور خودکار استراتژی بازآموزی مدل را بر اساس شدت و نوع drift تنظیم کند.
• تست مدل‌های یادگیری ماشین فراتر از دقت (Beyond Accuracy Testing): یک چارچوب تست برای سنجش انصاف، استحکام در برابر نمونه‌های خصمانه، و کالیبراسیون مدل در محیط CI/CD.
• ردیابی و بازتولیدپذیری آزمایش‌های ML در مقیاس تیمی: طراحی یک سیستم Version Control برای کل خط لوله ML (داده، کد، مدل، هایپرپارامترها و حتی سخت‌افزار) با الهام از Git.

---

🧬 ۶. مهندسی نرم‌افزار برای سیستم‌های سبز و پایدار (Green & Sustainable SE)

🔹 مسئله: مصرف انرژی نرم‌افزارها، به‌ویژه در مراکز داده و دستگاه‌های لبه، به یک دغدغه اصلی تبدیل شده است.
🔹 موضوعات پیشنهادی:
• بازآرایی خودکار کد برای کاهش مصرف انرژی: ابزاری که با تحلیل الگوهای مصرف CPU و حافظه، کد را برای مصرف انرژی کمتر بازنویسی کند (مثلاً تغییر ساختار حلقه‌ها یا انتخاب نوع داده).
• تخمین مصرف انرژی معماری‌های مختلف نرم‌افزار در فاز طراحی: یک مدل پیش‌بینی که بر اساس دیاگرام‌های معماری C4، مصرف انرژی سیستم نهایی را تخمین بزند.
• زمان‌بندی آگاه از کربن برای وظایف CI/CD: سیستمی که اجرای تست‌ها و بیلدها را به زمان‌ها و مکان‌هایی با شدت کربن کمتر در شبکه برق موکول کند.

---

🕹️ ۷. تحلیل و درک برنامه (Program Comprehension & Mining)

🔹 مسئله: توسعه‌دهندگان بخش عمده زمان خود را صرف درک کد موجود می‌کنند.
🔹 موضوعات پیشنهادی:
• خلاصه‌سازی خودکار تغییرات کد (Commit Message Generation): مدلی که با تحلیل diff کد، پیام commit معنادار و چندوجهی (متن + اشاره به Issue مرتبط) تولید کند.
• سیستم پرسش و پاسخ مبتنی بر LLM برای مخازن کد سازمانی: یک ربات که روی کل کدبیس و مستندات داخلی یک شرکت آموزش دیده و به سؤالات توسعه‌دهندگان پاسخ دقیق می‌دهد.
• تشخیص Debt در مستندات نرم‌افزار: ابزاری که ناسازگاری بین مستندات (README، Wiki) و کد واقعی را با مقایسه خودکار شناسایی و گزارش کند.

---

🎯 پیشنهادهای ترکیبی و بسیار خاص:

اگر به دنبال یک موضوع واقعاً متمایز برای پایان‌نامه یا مقاله ژورنالی هستید، این ایده‌ها را در نظر بگیرید:

1. "یک چارچوب مبتنی بر عامل‌های LLM برای انجام خودکار بازبینی کد (Code Review) با قابلیت توضیح‌دهی و یادگیری از بازخورد انسان" (ترکیب: LLM Agent + SE + HCI).
2. "تشخیص و کاهش توهم در تولید کد توسط مدل‌های زبانی بزرگ با استفاده از اجرای نمادین (Symbolic Execution)" (ترکیب: LLM + Formal Methods).

3. "تولید خودکار تست‌های رگرسیون بصری برای رابط‌های کاربری وب با استفاده از بینایی کامپیوتر و Record-and-Replay هوشمند" (ترکیب: Testing + Computer Vision).
4. "پیش‌بینی و مدیریت بدهی فنی معماری (Architectural Technical Debt) در میکروسرویس‌ها با استفاده از گراف‌های وابستگی و Graph Neural Networks" (ترکیب: Architecture + AI).

---

🛠️ ابزارها و منابع مفید برای شروع:

• تحلیل کد: Tree-sitter، Roslyn، Spoon (Java)، CodeQL.
• تست: AFL++، Selenium، JUnit، PyTest، RESTler (برای API Fuzzing).
• LLMها: LangChain، LlamaIndex، مدل‌های خانواده Code Llama و GPT.
• مجموعه داده: StackOverflow، GitHub Archive، Defects4J، SWE-bench.

@ProjeMagale