Samfundet bliver mere og mere digitalt. Siden 1980'erne har kryptografi udviklet en imponerende værktøjskasse, som muliggør beskyttelse af data, processer og individet i den digitale verden. Digitale signaturer og kryptering er allestedsnærværende, men på det seneste er mere avancerede teknikker (som zero-knowledge beviser og sikre flerpartsberegning) blevet mere udbredte. Det kryptografisk-teoretiske fundament har dog ikke udviklet sig i samme tempo, hvilket har resulteret i anvendelse af disse teknologier i den virkelige verden uden de nødvendige beviser for sikkerhed. Vores projekt vil tage et skridt tilbage og udvikle det nødvendige kryptografiske-teoretiske fundament ved at bruge en tostrenget tilgang, hvor bedre modeller og bedre teknikker udvikles i synergi.

Datastrukturer handler om at organisere data, og man kan argumentere for, at de endda går forud for computere. For eksempel anvendte biblioteket i Alexandria, etableret i det tredje århundrede fvt., en massiv (for tiden) datastruktur, der holdt styr på mere end 500.000 skriftruller, og det tillod brugere at udføre søgninger baseret på emne og forfatter. Datastrukturer som en vigtig gren af ​​datalogi voksede efter opfindelsen af ​​elektroniske computere og på grund af behov for behandling og lagring af digitale data. Forskere har generelt fokuseret på at reducere størrelsen af ​​datastrukturerne og deres forespørgselstid. Til sammenligning er der færre forsøg på at forbedre datastrukturer gennem parallelisme, som i sig selv bliver en stadig vigtigere del af computing. Vi fokuserer på hurtigere og parallel konstruktion af datastrukturer, specielt de nyere og mere moderne datastrukturer. Dette er vigtigt af tre grunde: 1 - vi har mere parallelitet i verden, 2 – vi har mere data, og 3 - datastrukturer skal vedligeholdes, hvilket involverer delvise genopbygninger. Hurtigere konstruktion betyder ikke kun, at vores data kan behandles hurtigere, men det betyder også, at vores datastrukturer kan vedligeholdes mere effektivt. Datastrukturer er i centrum for mange applikationer, og at forbedre dem vil have stor indflydelse på enhver applikation, der bruger dem.

Millioner af web-applikationer bygger på JavaScript med Node.js, som er den dominerende platform til server-programmering. En central årsag til dens popularitet blandt programmører er, at der findes over 2 millioner frit tilgængelige softwarepakker, som gør det muligt hurtigt at udvikle avancerede programmer. Over 90% af koden i et typisk Node.js-program er således genbrug af andre programmørers kode. Imidlertid er arkitekturen af Node.js ikke designet med henblik på sikkerhed. Det er muligt for ondsindede programmører at indsætte programkode i software-pakkerne, der lækker eller modificerer sikkerhedskritiske data, f.eks. personoplysninger eller adgangskoder, når pakkerne anvendes i andre programmørers web-applikationer. Dette problem er velkendt, og adskillige tilfælde af skadelige hændelser har været rapporteret. Eksisterende forslag til løsninger af problemet bygger på forskellige teknikker til at modificere programkoden, så en passende sikkerhedspolitik bliver påtvunget mens programmerne kører. Den slags metoder har ikke vundet udbredelse, blandt andet fordi de ikke kan afsløre skadelig kode inden programmerne tages i brug. Med udgangspunkt i nye resultater om statisk programanalyse for JavaScript vil dette projekt konstruere en "static resource analysis", der vil være i stand til automatisk at undersøge om en given JavaScript-pakke indeholder potentielt skadelig programkode.

Moderne software systemer er ofte distribuerede, dvs. sammensat af programmer, der kører på forskellige computere forbundet via internettet. Målet med dette projekt er at udvikle nye værktøjer og metoder som programmører kan anvende til at analysere software til distribuerede systemer så det kan sikres, at distribuerede software systemer bliver mere sikre og korrekte. Vi vil fokusere på at udvikle såkaldte modulære teknikker, som kan skalere til store og komplekse distribuerede software systemer. Projektet bygger på nylige teoretiske fremskridt af ansøgerens forskningsgruppe og involverer samarbejde med forskere fra Amazon, som medfinansierer en del af projektet.