AiDD研发数字峰会-上海站

出品人：高翠芸

哈尔滨工业大学（深圳）副教授、博导

哈尔滨工业大学（深圳校区）计算机科学与技术学院副教授，哈工大青年拔尖人才。主要研究方向为智能化软件工程、软件可靠性、软件安全。近年来在TSE、TOSEM、ICSE、FSE、ASE等会议和期刊上发表论文90余篇，是多个顶级会议如FSE、ISSTA、ASE等的评审委员会成员。荣获ICSE 2024和ASE2023杰出论文奖，指导学生获得ACAIT2022最佳学生论文奖，授权发明专利30余项。

智能缺陷检测与定位

智能缺陷检测与定位是确保软件质量和可靠性的关键技术。随着大语言模型（LLM）的兴起，AI技术被广泛运用于代码审查、漏洞定位等任务，为该方向提供了全新思路和路线。本论坛主要探讨LLM时代下智能缺陷检测与定位的机遇与挑战。

TDgpt 带你进入时序 AI 时代

陶建辉

北京涛思数据科技有限公司

创始人&CEO

内容简介：

在TDgpt 是 TDengine 在 2024 年 7 月用户大会推出的，基于预训练 LLM 的时序数据 AI 分析工具，随着业内 AI 技术以及大语言模型近一年的快速迭代，TDgpt 逐步演变为一个时序数据预测以及异常检测的框架，可以让所有开源的、闭源的各种算法都能方便的集成进 TDengine 系统。目前我们已经集成了超过 10 种经典的算法以及一个深度学习的算法。本次分享我们将与观众探讨基础服务厂商在 AI 浪潮下，如何最大限度发挥自身优势，在避免资源浪费的基础上降低用户使用 AI 的门槛，为用户提供真正便利、可靠的 AI 产品。

演讲提纲：
1.时序数据预测及异常检测的需求背景
2.TDgpt 产品的技术发展路线
3.预测算法及异常检测算法
4.算法开发者指南

听众收益：
1.了解物联网、工业互联网等场景对于 AI 产品的真实需求
2.了解时序数据预测或时序数据异常检测算法如何无缝集成到 TDgpt

开源软件 TDengine 主要作者，2024 年“中国计算机学会(CCF)杰出工程师奖”获得者。1994年中国科大毕业后，到美国留学，1997年起，先后在芝加哥Motorola、3Com等公司从事移动互联网的研发工作。2008年初回到北京创办和信，后被联发科收购。2013年初创办快乐妈咪，后被太平洋网络收购。2017年5月创办涛思数据，专注物联网、工业互联网大数据的处理，产品TDengine开源后，在GitHub全球趋势排行榜上多日排名第一。涛思数据已获红杉、GGV、经纬、明势资本等多家机构的近7000万美元的投资。

移动应用个人信息保护场景下的合规验证探索与思考

范铭

西安交通大学网络空间安全学院副教授/博士生导师

内容简介：

移动应用现在面临严峻的隐私安全风险，例如数据过度采集、频繁索权等等。但是隐私保护合规验证需要关联分析国家制定的法律法规、开发者声明的隐私政策、以及复杂的程序代码，这三者描述的问题、方式、粒度等都存在显著差异，如何实现三者间合规需求的统一理解、规约建模和自动验证是目前移动应用合规分析场景中的主要挑战。本报告将结合隐私保护的法律法规理解，总结发现违规问题的不同环节，提出隐私保护规约和多场景协同的合规验证方法，为面向特定领域的程序合规验证问题提供新的解决思路。

演讲提纲：
1.移动应用隐私安全背景，移动应用隐私安全态势十分严峻，各国相继出台移动应用隐私保护法律条例，现有移动生态现状如何
2.什么是移动应用隐私合规，分别从知情同意，最小范围和撤回授权三方面讨论，深入探究合规及验证过程中的问题与挑战
3.我们从知情同意方面进行了代码行为和文本行为的一致性检测，在最小范围方面进行了信息违规采集和传输检测
4.结合传统隐私保护需求，在新的鸿蒙生态上进行技术的探讨和展望。

听众收益：
1.对现如今移动应用个人信息保护中的知情同意，最小范围等要求有清楚的认知，能提高听众对个人信息的重视程度。
2.对如何将自然语言处理技术、程序分析技术以及最新的大模型技术相结合，应用到个人信息保护场景中提供了清晰的思路和建议。

西安交通大学网络空间安全学院副教授，博士生导师；目前隶属于智能网络与网络安全教育部重点实验室;香港理工大学、西安交通大学计算机系双学位博士；承担国家自然科学基金，CCF-华为胡杨林基金，CCF-蚂蚁隐私计算专项基金等20余项课题。在ICSE, ASE, ISSTA, TIFS, TSE, TR, ACL等重要国际期刊与国际会议上发表论文40余篇，并获得ASE 2024, QRS 2021, ISSRE 2016，NASAC 2018等最佳论文奖, 2022年教育部自然科学一等奖，2024年首届CCF产学合作基金优秀项目案例。

面向复杂软件工程任务的Coding Agent

高鹏飞

字节跳动算法工程师

内容简介：

基于代码大模型的编程助手（如 Copilot）已深刻改变了软件开发流程。然而，现有的 Copilot 主要局限于代码补全等简单场景，难以应对开发者面临的复杂软件工程任务。相比之下，Coding Agent 结合了工具调用、环境交互、采样验证等能力，使得处理复杂的软件工程任务成为可能。在本次报告中，我们将深入介绍一种专门用于自动解决代码仓库 Issue 的 Coding Agent——MarsCode Agent 的架构设计，以及其在知名评测集 SWE-bench 上的表现和所取得的业务收益。此外，我们还将介绍一系列面向复杂软件工程任务的Agent，包括Build Agent，一种自动构建代码运行环境的Agent，Reproduce Agent，一种自动复现代码仓库issue的Agent，以及Evaluation Agent，一种自动评估代码生成质量的Agent。

演讲提纲：
1.缺陷修复Agent
1.1整体架构和工作流程
1.2效果评测：SWE-bench的介绍，MarsCode Agent在SWE-bench中的效果，模型对Agent的效果影响等
1.3落地收益：落地业务场景，落地效果介绍
2.代码仓运行环境构建Agent
2.1Agent工作流程的设计
2.2Agent在评测集上的表现
3. 代码仓issue复现Agent
3.1 Agent工作流程的设计
3.2Agent在评测集上的表现
4. 自动评估代码生成质量 Agent
4.1Agent工作流程的设计
4.2Agent在评测集上的表现

听众收益：
1. 了解Coding Agent的发展现状，核心原理以及应用场景
2.了解Coding Agent的落地场景和收益

2017年本科毕业于中国矿业大学，同年保研至上海科技大学，于2023年获计算机科学与技术工学博士学位，导师宋富研究员。期间于2022年访问新加坡管理大学，导师孙军教授。主要研究方向为利用形式化方法保障软件的安全性和可靠性。博士期间共发表高水平论文10篇，包括一作身份发表ACM TOSEM 3篇，IEEE TSE 1篇，OOPSLA 2024 1篇，荣获教育部博士研究生国家奖学金，上海市优秀毕业生，2023年CCF 形式化专委优秀博士论文激励计划等荣誉。2023年8月入职字节跳动MarsCode Research Team，开展LLM4Code，Coding Agent的探索和落地。

区块链场景下的智能合约缺陷发现与检测

蒋子规

中山大学副教授

内容简介：

在区块链技术广泛应用的当下，智能合约作为自动执行的数字化协议，其安全性至关重要。本次分享聚焦于区块链场景下智能合约的缺陷发现与检测，将探讨静态分析、形式化方法、模糊测试等方法在智能合约缺陷检测场景下的技术结合与应用，介绍我们在该领域的研究探索与工具开发。

演讲提纲：
1. 智能合约缺陷研究的背景与需求
2. 智能合约社区与研究发展
3. 结合传统代码分析与区块链特征的缺陷检测
4. 区块链数据网站XBlock

听众收益：
1. 了解智能合约缺陷检测的发展现状与前沿技术
2. 了解区块链数据网站XBlock上的智能合约安全审计工具

2015-2019就读于北京邮电大学网络与交换技术国家重点实验室，获得博士学位，并获北京邮电大学优秀博士学位论文、北京市优秀毕业生等荣誉。2019年进入中山大学工作至今，主要研究方向为区块链智能合约、大数据分析、服务推荐。近年来在国内外权威学术期刊与会议发表论文二十余篇，并主持国家自然科学基金面上项目与青年项目、博士后站前特别资助项目、广东省自然科学基金面上项目等。

AiDD峰会

K+峰会

联系我们