顶会顶刊论坛

---

本论坛聚焦研究热点和最新研究进展，邀请优秀学者到CCF中国软件大会介绍其工作并传授科研经验，以期带动软件领域的相关研究人员做出更高水平的学术贡献，发表高层次的学术论文。 本论坛邀请了今年发表于CCF A类会议与期刊的论文作者作为论坛演讲嘉宾，介绍他们在科研选题、破题、实验、写作以及推广应用等方面的经验和教训。此外，本论坛邀请了ASE2021年程序委员会共同主席郝丹教授做主题报告，讲授从事高水平前沿科学研究的经验以及论文评审与筛选的一般流程。

论坛组织委员会：

张宇霞（北京理工大学）

刘 辉（北京理工大学）

宋 富（上海科技大学）

日程安排：

时间：2021年12月24日（星期五），08:30~12:30

   2021年12月24日（星期五），14:00~18:00

论坛议程：

报告嘉宾与组织委员会简介：

Keynote嘉宾：郝丹

报告题目：聚焦顶会——学术科研实践的一点认识

摘要： 本次报告将结合我自身经历解读学术科研活动，指出关键要点，并总结建议。

简介： 郝丹，北京大学信息科学技术学院计算机科学技术系长聘副教授，CCF杰出会员，主要从事软件测试等方面的研究，累计在顶级学术会议期刊上发表代表性论文近40余篇，三次获得ACM SIGSOFT Distinguished Paper Award。研究成果投入到航天、电力、税务、搜索等软件系统的测试过程。郝丹博士先后主持和承担了多项国家级科研项目，包括国家自然科学基金（优秀青年科学家项目）、国家自然科学基金（面上项目）等。担任了国际会议ASE 2021和SANER 2022的PC Co-Chair，SPLC 2018的General Co-Chair和SPLC的Steering Committee Member等，频繁担任国际会议ICSE、FSE、ASE和ISSTA等会议的程序委员会委员和其他Track的主席，国际期刊TSE、ESEM和STVR的Associate Editor。

1. 报告人1：韩志磊

报告题目：带有实际正则约束的字符串理论求解

摘要： 相比经典的正则表达式，实际编程语言中使用的正则表达式表达能力更强，带有捕获、引用、贪婪/惰性匹配等特性。实际程序中大量使用此类正则表达式对字符串进行操作。建模与求解带有此类约束的字符串理论对验证实际字符串操作程序具有重要的意义。虽然带有此类约束的字符串理论是不可判定的，通过限制公式与正则表达式的形式，我们能判定带有实际正则表达式参数的Replace(All)、Extract等复杂字符串函数。本报告将介绍实际正则语言和字符串约束求解的背景，简述一个带有实际正则约束的字符串理论，以及如何通过一个新的自动机模型——优先字符串流转换机（PSST）——判定这一理论。

简介： 韩志磊，清华大学软件学院博士研究生，本科毕业于清华大学计算机科学与技术系，主要研究方向是程序分析与验证。

2. 报告人：林望

报告题目：An Iterative Scheme of Safe Reinforcement Learning for Nonlinear Systems via Barrier Certificate Generation

摘要： In this paper, we propose a safe reinforcement learning approach to synthesize deep neural network (DNN) controllers for nonlinear systems subject to safety constraints. The proposed approach employs an iterative scheme where a learner and a verifier interact to synthesize safe DNN controllers. The learner trains a DNN controller via deep reinforcement learning, and the verifier certifies the learned controller through computing a maximal safe initial region and its corresponding barrier certificate, based on polynomial abstraction and bilinear matrix inequalities solving. Compared with the existing verification-in-the-loop synthesis methods, our iterative framework is a sequential synthesis scheme of controllers and barrier certificates, which can learn safe controllers with adaptive barrier certificates rather than user-defined ones. We implement the tool SRLBC and evaluate its performance over a set of benchmark examples. The experimental results demonstrate the effectiveness and efficiency of our approach.

简介： 林望，浙江理工大学副教授。主要研究方向为形式化方法、混成系统验证。近年来在ACM TECS、IEEE TCAD、CAV、CVPR、EMSOFT、FM、HSCC等国际重要期刊和会议上发表学术论文20余篇。

3. 报告人：张业迪

报告题目：BDD4BNN: A BDD-Based Quantitative Analysis Framework for Binarized Neural Networks

摘要： Verifying and explaining the behavior of neural networks is becoming increasingly important, especially when they are deployed in safety-critical applications. In this paper, we study verification and interpretability problems for Binarized Neural Networks (BNNs), the 1-bit quantization of general real-numbered neural networks. Our approach is to encode BNNs into Binary Decision Diagrams (BDDs), which is done by exploiting the internal structure of the BNNs. In particular, we translate the input-output relation of blocks in BNNs to cardinality constraints which are in turn encoded by BDDs. Based on the encoding, we develop a quantitative framework for BNNs where precise and comprehensive analysis of BNNs can be performed. We demonstrate the application of our framework by providing quantitative robustness analysis and interpretability for BNNs. We implement a prototype tool BDD4BNN and carry out extensive experiments, confirming the effectiveness and efficiency of our approach.

简介： 张业迪，上海科技大学信息科学与技术学院20级博士研究生，师从宋富教授。本科毕业于北京邮电大学信息与通信工程学院获得工学学士学位。她目前主要的研究方向为人工智能系统的自动化验证技术，其研究内容已发表在JoS，AAAI，CAV等期刊和会议上。她曾于2019.10~2020.03期间访问德国萨尔大学可靠系统和软件实验室（指导教师Holger Hermanns教授）。

4. 报告人：翟季冬

报告题目：PET: Optimizing Tensor Programs with Partially Equivalent Transformations and Automated Corrections

摘要： High-performance tensor programs are critical for efficiently deploying deep neural network (DNN) models in real world tasks. Existing frameworks optimize tensor programs by applying fully equivalent transformations, which maintain equivalence on every element of output tensors. This approach misses possible optimization opportunities as transformations that only preserve equivalence on subsets of the output tensors are excluded. We propose PET, the first DNN framework that optimizes tensor programs with partially equivalent transformations and automated corrections. PET discovers and applies program transformations that improve computation efficiency but only maintain partial functional equivalence. PET then automatically corrects results to restore full equivalence. We develop rigorous theoretical foundations to simplify equivalence examination and correction for partially equivalent transformations, and design an efficient search algorithm to quickly discover highly optimized programs by combining fully and partially equivalent optimizations at the tensor, operator, and graph levels. Our evaluation shows that PET outperforms existing systems by up to 2.5X, by unlocking previously missed opportunities from partially equivalent transformations.

简介： 翟季冬，清华大学计算机系长聘副教授，博士生导师。现为清华大学计算机系高性能所副所长，ACM中国高性能计算专家委员会秘书长、北京智源青年科学家。2015-2016在斯坦福大学计算机系任访问助理教授。主要研究方向包括高性能计算、编程模型和编译系统等。研究成果发表在相关领域顶级学术会议和期刊——SC、ICS、PPOPP、ASPLOS、MICRO、OSDI、ATC、IEEE TC、IEEE TPDS等。获ICS 2021最佳学生论文奖、SC 2014 Best Paper Finalist、ICDCS 2020 Best Paper Honorable Mention奖。担任NPC 2018程序委员会主席、IEEE Cluster 2021领域主席、SC 2022领域副主席，SC、ICS、PPOPP、PACT等国际学术会议程序委员会委员。目前担任《IEEE Transactions on Computers》、《IEEE Transactions on Parallel and Distributed Systems》、《IEEE Transactions on Cloud Computing》等多个国际学术期刊编委。担任清华大学学生超算团队教练，指导的团队十二次获得世界冠军。在2015年和2018年包揽了SC、ISC、ASC三大国际超算竞赛的总冠军，实现“大满贯”。获教育部科技进步一等奖、中国电子学会科学技术一等奖、中国计算机学会优秀博士学位论文奖、IEEE TPDS杰出编委奖（Editorial Excellence Award）、国家自然科学基金优秀青年科学基金、CCF-IEEE CS青年科学家奖。

5. 报告人：左志强

报告题目：一种支持硬件动态程序追踪的JVM设计与实现

摘要： 程序动态控制流追踪被广泛用于测试调试、缺陷检测、性能优化、安全防护等方方面面。基于硬件的动态追踪具有非侵入、低开销、开发友好等显著优势。本报告将介绍如何在JVM上实现对动态追踪硬件的支持，从而实现对JVM字节码程序的高精度、低运行时开销的动态控制流追踪。内容详见：JPortal: Precise and Efficient Control-Flow Tracing for JVM Programs with Intel Processor Trace [PLDI’21]

简介： 左志强，南京大学计算机系副研究员，新加坡国立大学博士，美国加州大学欧文分校博士后；科研工作聚焦于程序分析、编译器设计等，创新成果以第一或通讯作者发表在包括PLDI、OOPSLA、EuroSys、ACM TOCS等国际顶级会议和期刊上；独立研发并开源多个系统软件分析及优化系统，已在华为、阿里等多个企业实现转化与应用；担任PLDI2022、FSE2022、IEEE TSE等多个国际学术会议程序委员及期刊审稿人；详见：https://z-zhiqiang.github.io/。

6. 报告人：孙浩

报告题目：HEALER: Relation Learning Guided Kernel Fuzzing

摘要： 操作系统内核是现代软件系统基座，内核中的任何安全漏洞都会引起巨大的影响。模糊测试是一种非常高效的漏洞挖掘方法，目前已经被应用到内核安全测试并已经取得很大的成果。然而，现有的内核模糊测试工具在生成和变异测试用例时都没有考虑系统调用之间的影响关系，从而导致生成的调用序列的质量受到限制进而影响模糊测试的效率和效果，例如，业界使用最广泛、由谷歌维护的内核模糊测试工具Syzkaller使用经验性的选择表来而并不是根据调用之间本质的影响关系。为解决上述问题，本工作提出一个基于关系引导的内核模糊测试器Healer，Healer利用动态关系学习算法来明确任意两个调用之间影响关系，并提出算法使用学到的关系来引导序列的生成与变异提高生成序列的质量从而加速模糊测试的效率。最终，相比于Syzkaller和Moonshine，Healer在覆盖深度方面提高了28%、21%，在覆盖速度方面提高了2.2x、1.8x。此外，Healer共发现了218个真实内核漏洞，其中33个是过去未知、被发开发者确认的内核漏洞。本次报告将详细介绍Healer及其核心算法。

简介： 孙浩，清华大学硕士二年级，内核安全研究人员。主要研究模糊测试、符号执行等漏洞挖掘方法，关注Linux内核安全，活跃于Linux内核社区及开源社区。目前以第一作者发表了一篇系统领域顶会SOSP，以第二作者发表了嵌入式领域EMSOFT会议、ISSRE会议。

7. 报告人：李鼎基

报告题目：TwinVisor: 面向ARM云平台的安全虚拟机系统

摘要： 为了向云租户提供更具性价比的选择，各大云服务提供商（例如华为云、亚马逊AWS等）已经在ARM平台上部署了多种虚拟化系统。然而，目前云数据中心内的虚拟化系统仅面向非安全世界，无法为普通虚拟机租户提供安全虚拟机服务。虽然ARM CCA已经发布，但其距离大规模部署仍有较长周期。从ARMv8.4开始，ARM架构引入了S-EL2（Secure EL2）硬件特性，通过在安全世界中添加EL2特权级实现了硬件虚拟化支持。本报告将详细介绍如何利用成熟的TrustZone和S-EL2技术设计ARM平台安全世界中的虚拟化方案，并解决潜在的性能与安全挑战，从而为云端ARM平台提供一套高效、安全的安全虚拟机系统

简介： 李鼎基，上海交通大学二年级博士生，主要研究兴趣为操作系统和系统虚拟化。已在SOSP和EuroSys等计算机系统国际著名会议发表多篇学术论文。

8. 报告人：王冠成

报告题目：Probabilistic Delta Debugging

摘要： 差异化调试（Delta Debugging）是基本的自动化调试手段之一，其效率和效果是长期制约差异化调试应用范围的首要因素。二者的提升也非常困难：虽然涉及差异化调试的论文已达数千篇，约20年前提出的ddmin算法仍然是几乎所有现代差异化调试算法的核心。该研究工作对差异化调试问题进行概率建模，并提出了根据测试结果更新概率模型和根据概率模型最优化采样的方法，形成全新的概率差异化调试方法ProbDD。实验表明，ProbDD无论是效率还是效果相对ddmin都有约2倍的提升。由于ddmin是几乎所有现代差异化调试算法的核心，通过将ddmin替换成ProbDD，该研究结果有望全面提升现代差异化调试的效率和效果。

简介： 王冠成，目前是北京大学软件工程研究所四年级博士生，导师为熊英飞副教授。他目前的工作主要聚焦于差异化调试在编译器测试用例裁剪等任务中的应用，以期缩减科技公司在代码调试上的花销。他在博士期间完成的研究成果曾获得ASE ACM SIGSOFT Distinguished Paper Award和ESEC/FSE ACM SIGSOFT Distinguished Paper Award。

9. 报告人： 江子攸

报告题目：面向开源社区的群智挖掘——Extract Issue-Solution Pair from Community Live Chats

摘要： Community live chats contain rich sets of information for potential improvement on software quality and productivity. One of the important applications is to mine knowledge on issues and their potential solutions. However, it remains a challenging problem to accurately mine such knowledge due to the noisy nature of interleaved dialogs in live chat data. In this study, we first formulate the problem of issue-solution pair extraction from developer live chat data, and propose an automated approach, named ISPY, based on natural language processing and deep learning techniques with customized enhancements. Experimental results and in-depth analysis demonstrate the effectiveness and generalizability of our approach. We believe that ISPY can facilitate community-based software development by promoting knowledge sharing and shortening the issue-resolving process.

简介： 江子攸，中国科学院软件研究所2019级直博生，师从王青研究员。本科毕业于厦门大学软件学院软件工程专业，获得工学学士学位。主要研究方向为自动化软件工程和基于群智的需求挖掘、知识库构建和解决方案自动推荐问题。相关研究已发表于IJCAI、FSE、ASE上。其在开源社区Gitter的问答知识库自动抽取工作获得ASE2021的ACM SIGSOFT Distinguished Paper Award。

10. 报告人：王莹

报告题目：Hero: On the Chaos When PATH Meets Modules

摘要： 自2009年Go语言问世以来，凭借它高效的性能和丰富的开源程序库资源，得到了开发者的高度认可，在软件社区中日趋流行。随着Go语言的演化，Google官方开发团队推荐开发者使用新的依赖引用模式Go Modules来克服原始依赖引用模式GOPATH中的局限性。至此，Go社区中出现了依赖管理模式“二分天下”的尴尬局面。然而，Go Modules与GOPATH互不兼容，无法“和平共处”。上下游软件项目之间两种依赖引用模式的异步使用，引发了大量的依赖管理问题，频繁导致软件项目的构建失败以及依赖引用的不一致等现象。鉴于此，我们在Go语言开源软件社区中针对依赖管理问题，开展了大规模的实践调查，进而特征化这类问题的症状、原因及修复模式。基于实践调查的结果，我们开发了自动化检测上述依赖管理问题的技术Hero (http://www.hero-go.com/)。Hero可以为单一的软件项目提供依赖管理问题的自诊断服务，也可部署于开源社区中迭代地为每一个软件项目做依赖管理的“健康体检”。至今，Hero在2,356个流行的Go软件项目中，捕捉到了2,422个真实的依赖管理缺陷，自动化地撰写并提交了其中的280个真实缺陷问题。其中，181个(64.6%)的缺陷得到了开发者的确认或修复。为使得实践调查结果受益于更多软件开发从业者，我们将论文内容改写成为技术博客的形式进行推广。该技术博客“A survey on Golang's dependency management modes (GOPATH and Go Modules): status quo, problems and challenges”现已被Google官方Go语言维基百科系列技术报告专辑收录。

简介： 王莹博士，现为东北大学软件学院副教授、院长学术助理。2019年1月于东北大学获得软件工程专业博士学位，2019年2月以引进副教授人才方式留校任教。荣获微软研究院铸星计划访问学者(2020)、中国计算机学会优秀博士论文提名奖(2020)、辽宁省优秀博士论文奖(2021)、ACM SIGSOFT杰出论文奖(ICSE 2021)。主要研究方向为开源社区依赖治理技术、软件生态演化分析、软件测试与重构技术。个人主页： https://wangying-neu.github.io/

11. 报告人：赵泽林

报告题目：软件动态更新中对象转换函数的自动合成

摘要： 自动迁移程序旧版本运行时状态到新版本是软件动态（即不停机）更新领域长期以来的挑战。本次报告将会介绍我们对Tomcat 8版本历史中对象状态改变的实证研究，在实证研究基础上提出可将代码分解成易于复用片段的“剪刀”和基于控制流/数据流拼接代码片段的“胶水”DSL语言，以及一个高效的程序自动合成算法。我们提出的这一技术首次实现了真实系统复杂状态转换函数的自动生成。

简介： 赵泽林博士，毕业于南京大学计算机科学与技术系，导师为马晓星教授。主要研究方向为软件动态更新、程序合成等。博士期间关于软件动态更新状态转换的成果发表在ICSE 2021，并同时获得了ACM SIGSOFT杰出论文奖和大会唯一的ACM Europe Council最佳论文奖。

12. 报告人：姜剑峰

报告题目：RULF: Rust Library Fuzzing via API Dependency Graph Traversal

摘要： Robustness is a key concern for Rust library development because Rust promises no risks of undefined behaviors if developers use safe APIs only. Fuzzing is a practical approach for examining the robustness of programs. However, existing fuzzing tools are not directly applicable to library APIs due to the absence of fuzz targets. It mainly relies on human efforts to design fuzz targets case by case which is labor-intensive. To address this problem, this paper proposes a novel automated fuzz target generation approach for fuzzing Rust libraries via API dependency graph traversal. We identify several essential requirements for library fuzzing, including validity and effectiveness of fuzz targets, high API coverage, and efficiency. To meet these requirements, we first employ breadth-first search with pruning to find API sequences under a length threshold, then we backward search longer sequences for uncovered APIs, and finally we optimize the sequence set as a set covering problem. We implement our fuzz target generator and conduct fuzzing experiments with AFL++ on several real-world popular Rust projects. Our tool finally generates 7 to 118 fuzz targets for each library with API coverage up to 0.92. We exercise each target with a threshold of 24 hours and find 30 previously-unknown bugs from seven libraries.

简介： 姜剑峰，复旦大学计算机科学技术学院2019级级硕士研究生，师从徐辉青年副研究员和周扬帆副教授，研究方向主要关注与Rust语言有关的程序分析和自动化测试问题，其在Rust库上进行模糊测试的工作获得ASE2021的ACM SIGSOFT Distinguished Paper Award。姜剑峰本科毕业于复旦大学计算机科学技术学院获理学学士学位。

13. 报告人：申博

报告题目：基于图的原子性代码提交辅助工具SmartCommit

摘要： 在群体协同的软件开发中，代码提交作为开发者最频繁的日常操作之一，有必要遵循“原子性提交”这一最佳实践。然而，多项研究发现，在实际的开源和工业项目中普遍存在“复合提交”现象，即开发者经常将一段时间内做出的所有代码变更一次性提交，即使其中的代码修改对应于多种不相关的变更意图或开发和维护任务。本次报告将介绍一个代码提交辅助工具SmartCommit，其主要功能是通过自动生成变更分组建议并接受开发者交互式调整_来引导和辅助开发者规范其代码提交风格。SmartCommit的核心是一个用于建模分布在项目不同位置的代码变更间关联关系的图结构，一个通过对该图进行分割生成代码变更分解方案的算法，以及一个利用开发者反馈和知识优化分解方案的交互机制。

简介： 申博，北京大学计算机学院计算机软件与理论专业2016级博士生，导师为金芝教授。主要研究方向为群体智能与协同式软件开发、面向协作的代码变更管理技术、图神经网络与程序分析等，在OOPSLA、FSE、ASE、ICSME等会议发表论文若干。

14. 报告人：展鹇

报告题目：ATVHunter: Reliable Version Detection of Third-Party Libraries for Vulnerability Identification in Android Applications

摘要： Third-party libraries (TPLs) as essential parts in the mobile ecosystem have become one of the most significant contributors to the huge success of Android, which facilitate the fast development of Android applications. Detecting TPLs in Android apps is also important for downstream tasks, such as malware and repackaged apps identification. To identify in-app TPLs, we need to solve several challenges, such as TPL dependency, code obfuscation, precise version representation. Unfortunately, existing TPL detection tools have been proved that they have not solved these challenges very well, let alone specify the exact TPL versions. To this end, we propose a system, named ATVHunter, which can pinpoint the precise vulnerable in-app TPL versions and provide detailed information about the vulnerabilities and TPLs. We propose a two-phase detection approach to identify specific TPL versions. Specifically, we extract the Control Flow Graphs as the coarse-grained feature to match potential TPLs in the pre-defined TPL database, and then extract opcode in each basic block of CFG as the fine-grained feature to identify the exact TPL versions. We build a comprehensive TPL database (189,545 unique TPLs with 3,006,676 versions) as the reference database. Meanwhile, to identify the vulnerable in-app TPL versions, we also construct a comprehensive and known vulnerable TPL database containing 1,180 CVEs and 224 security bugs. Experimental results show ATVHunter outperforms state-of-the-art TPL detection tools, achieving 90.55% precision and 88.79% recall with high efficiency, and is also resilient to widely-used obfuscation techniques and scalable for large-scale TPL detection. Furthermore, to investigate the ecosystem of the vulnerable TPLs used by apps, we exploit ATVHunter to conduct a large-scale analysis on 104,446 apps and find that 9,050 apps include vulnerable TPL versions with 53,337 vulnerabilities and 7,480 security bugs, most of which are with high risks and are not recognized by app developers.

简介： 展鹇，香港理工大学博士，师从香港理工大学罗夏普副教授。 她曾于2019.7-2020.1期间访问新加坡南洋理工大学，师从刘杨教授。她的研究方向主要围绕恶意软件检测，重打包分析，GUI测试与分析，第三方库组件安全检测和分析，Android安全与分析，程序分析。博士期间她已在USENIX Security，CCS，ICSE，ASE， TSE等顶级会议和期刊上共发表论文十余篇，并获得了ICSE 2021 ACM SIGSOFT Distinguished Paper Award.

15. 报告人：帅子琦

报告题目：Type and Interval Aware Array Constraint Solving for Symbolic Execution

摘要： 符号执行是一种相对精确的程序分析技术，约束求解是其使能技术，但也成了最主要的性能瓶颈。其中，数组约束的求解是符号执行里最常见、但也最困难的问题之一。我们提出了一种基于符号执行器和约束求解器协同的数组约束求解优化方法。在符号执行层面，该方法会记录数组访问的类型信息，再通过基于整数线性规划的上近似方法预先检测数组约束的不可满足性并同时计算数组索引的区间信息。如果这一过程无法证明不可满足，则把类型信息和区间信息传给约束求解器做进一步求解。在约束求解层面，约束求解器会利用收到的类型信息和区间信息来删除冗余的数组公理，从而优化求解。我们在目前最先进的C程序符号执行器KLEE和约束求解器STP上实现了该方法，并通过大规模真实程序上的实验评估了方法的有效性。

简介： 帅子琦，国防科技大学19级软件工程专业博士生，师从王戟研究员和陈振邦副教授，主要研究方向为程序分析。本硕毕业于武汉大学，导师是李清安副教授和袁梦霆副教授。目前已在ASE、ISSTA、DATE等主流国际会议上发表学术论文多篇，荣获ISSTA 2021杰出论文奖。

16. 报告人：陈崧强

报告题目：Testing Your Question Answering Software via Asking Recursively

摘要： 智能问答（QA）软件被日渐广泛地应用在生活中，便利人们进行高效的文本理解和信息检索。相反，QA软件的错误将危害其便利，甚至造成严重后果。然而，目前对QA软件的测试主要采用与人工预先为测试用例标注的预期输出进行对比的方式开展，这种方式既费力又不灵活。本报告将介绍基于一种新颖的递归蜕变测试思路的QA软件测试方法QAAskeR，相关工作发表于ASE 2021。QAAskeR使用三个新颖的蜕变关系基于当前输入问题和QA软件输出答案构造与相同知识相关的新递归询问，并通过检查QA软件在这些询问上的回答是否满足预期关系判断QA软件是否出错。QAAskeR不需要预先标注的预期输出，因此可为QA软件提供灵活、可扩展的测试。实验结果表明，QAAskeR可以在无需预期输出的情况下为一个最优QA算法模型揭露多种类型错误，并且有助于在谷歌搜索等现实QA应用的使用过程中即时揭示输出答案的潜在错误。

简介： 陈崧强是武汉大学计算机学院研究生，导师为谢晓园教授，成果录用在ASE、ESEC/FSE、ICPC、IEEE TR等软件工程和计算机相关国际学术会议、期刊，曾获ACM SIGSOFT Distinguished Paper Award，研究方向主要包括对深度学习模型、智能软件的测试与验证，基于深度学习的代码、文档分析生成与软件仓库挖掘等。

论坛主席：

1. 论坛主席：刘辉

简介： 刘辉，北京理工大学计算机学院教授、博士生导师、教育部新世纪优秀人才，中国计算机学会杰出会员，软件工程专委会常务委员。目前主要研究领域包括软件重构、软件质量保障，以及软工数据集的构建与挖掘等。在IEEE TSE、ICSE、ESEC/FSE、ASE、ISSTA等国际一流期刊与国际会议上发表论文二十余篇，获得IET Software Premium（Best Paper）Award （2016）、29th IEEE International Requirements Engineering Conference (RE 2021) Best Paper Award等学术奖励。更多介绍详见个人主页https://liuhuigmail.github.io/

2. 论坛主席：张宇霞

简介： 张宇霞，博士，北京理工大学特别副研究员，硕士生导师，CCF软件工程专委会通讯委员，CCF开源发展委员会委员。2020年7月于北京大学大学获得理学博士学位。研究方向为智能软件工程，开源软件生态系统，软件仓库数据挖掘，实证研究等，在TSE、ICSE、FSE、和ESEM等高水平会议和期刊上发表论文10余篇，参与了国家自然科学基金重点项目、重点研发计划、面上项目等多个纵向项目，获得北京理工大学青年教师学术启动计划等科研项目资助。担任CCF B类国际知名期刊Journal of Software: Evolution and Process审稿人。

3. 论坛主席：宋富

简介： 宋富，上海科技大学长聘副教授、研究员、博导，系统与安全中心主任。宋富博士于2013年4月获得巴黎大学（原巴黎狄德罗大学）计算机科学博士学位，同年8月加入华东师范大学任讲师，2016年1月破格晋升为副研究员，于2015年分别荣获上海市“浦江人才”和上海市“晨光学者”称号。2016年8月全职加入上海科技大学信息科学与技术学院，担任tenure-track助理教授、研究员，2021年7月晋升为长聘副教授。研究领域包括模型检验、程序分析与验证、系统和AI安全，已在国际一流期刊和会议发表60多篇论文，如：IEEE TSE, ACM TOSEM, CAV, ICSE, ISSTA, S&P等。