×

通过学习假设自动进行符号组合验证。 (英语) Zbl 1147.68052号

摘要:组合推理旨在通过将原始验证任务简化为子问题来提高验证工具的可扩展性。简化通常基于假设保证推理原则,并需要用户指导来确定组件的适当假设。在本文中,我们提出了一种全自动的组合推理方法,该方法包括使用超图划分算法进行自动分解以平衡变量聚类,以及使用(L^{*})算法发现假设以主动学习正则语言。我们给出了学习算法的符号实现,并将其纳入模型检查器NUSMV中。在某些情况下,我们的实验表明,符号模型检查的计算要求大大降低。

MSC公司:

60年第68季度 规范和验证(程序逻辑、模型检查等)
68问题32 计算学习理论
65年第68季度 形式语言和自动机

软件:

NuSMV公司杠杆摩卡
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Abadi M,Lamport L(1995)《连接规范》。ACM Trans程序语言系统(TOPLAS)17:507–534·Zbl 01936471号 ·doi:10.1145/203095.201069
[2] Alur R、Henzinger T(1999)《反应式模块》。表格方法系统设计15(1):7–48。受邀提交FLoC’96特刊。初步版本出现在1996年第11届LICS会议记录中·doi:10.1023/A:1008739929481
[3] Alur R,Henzinger T,Mang F,Qadeer S,Rajamani S,Tasiran S(1998)MOCHA:模型检查中的模块性。在:第10届计算机辅助验证国际会议论文集,第516–520页
[4] Alur R、de Alfaro L、Henzinger T、Mang F(1999)《自动化模块验证》。CONCUR’99:第十届国际会议并发理论。LNCS,第1664卷。柏林施普林格,第82–97页·Zbl 0940.68088号
[5] Alur R,CerníP,Madhusudan P,Nam W(2005)Java类接口规范的合成。摘自:第32届编程语言原理研讨会论文集,POPL 2005,第98–109页·Zbl 1369.68126号
[6] Alur R、Madhusudan P、Nam W(2005)《通过学习假设进行符号成分验证》。摘自:第17届计算机辅助验证国际会议论文集,CAV 2005,第548–562页·Zbl 1081.68601号
[7] Angluin D(1987)从查询和反例中学习规则集。Inf计算75:87–106·Zbl 0636.68112号 ·doi:10.1016/0890-5401(87)90052-6
[8] Barringer H、Pasareanu C、Giannakopoulou D(2003)《通过学习实现自动成分验证的证明规则》。附:第二届基于组件的系统规范和验证国际研讨会会议记录
[9] Biere A、Cimatti A、Clarke E、Zhu Y(1999)《无BDD的符号模型检查》。摘自:第五届系统构建和分析工具和算法国际会议论文集,第193-207页
[10] Birkendorf A,Böker A,Simon H-U(2000)从最小反例学习确定性有限自动机。SIAM J离散数学13(4):465–491·Zbl 0968.68071号 ·doi:10.1137/S0895480198340943
[11] Bryant R(1986)布尔函数操作的基于图形的算法。IEEE Trans Compute,C-35(8)·兹比尔0593.94022
[12] Cimatti A、Clarke E、Giunchiglia E、Giuntchiglia F、Pistore M、Roveri M、Sebastiani R、Taccella A(2002)NuSMV版本2:用于符号模型检查的OpenSource工具。摘自:第14届计算机辅助验证国际会议记录(CAV 2002)。LNCS,第2404卷。柏林施普林格,第359–364页·Zbl 1010.68766号
[13] Clarke E、Grumberg O、Jha S、Lu Y、Veith H(2000)《反示例引导的抽象求精》。摘自:计算机辅助验证国际会议记录(CAV'00),第154-169页·Zbl 0974.68517号
[14] Cobleigh J、Giannakopoulou D、Pasareanu C(2003)《成分验证的学习假设》。摘自:第九届国际软件构建和分析工具和算法会议记录。LNCS,第2619卷。柏林施普林格,第331-346页·Zbl 1031.68545号
[15] Cobleigh J、Avrunin G、Clarke L(2006)《分手很难做到:假设保证推理分解的调查》。摘自:软件测试与分析国际研讨会论文集,第97–108页
[16] Fiduccia C,Mattheyses R(1982)改进网络分区的线性时间启发式算法。摘自:第19届设计自动化会议记录,第241-247页
[17] Giannakopoulou D,Pasareanu C(2005),基于学习的假设保证验证。在:第12届国际旋转研讨会论文集,第282–287页
[18] Giannakopoulou D,Pasareanu C,Barringer H(2002)软件组件验证的假设生成。在:第17届IEEE自动化软件工程国际会议论文集(ASE 2002),第3-12页
[19] Grümberg O,Long D(1994)模型检查和模块验证。ACM Trans程序语言系统16(3):843–871·数字对象标识代码:10.1145/177492.177725
[20] Gupta A、McMillan K、Fu Z(2007),成分验证的自动假设生成。摘自:第19届国际计算机辅助验证会议记录,2007年CAV,第420-432页·Zbl 1135.68473号
[21] Henzinger T、Qadeer S、Rajamani S(1998),我们保证:方法论和案例研究。In:CAV 98:计算机辅助验证。LNCS,第1427卷。柏林施普林格,第521-525页
[22] Ibarra O,Jiang T(1991)从反例中学习正规语言。计算机系统科学杂志43(2):299–316·Zbl 0769.68108号 ·doi:10.1016/0022-0000(91)90016-X
[23] Jones C(1981)计算机程序的开发方法,包括干扰的概念。牛津大学博士论文
[24] Karypis G,Kumar V(1999)多层k-路超图划分。摘自:第36届设计自动化会议记录,第343–348页·Zbl 0918.68073号
[25] Karypis G,Aggarwal R,Kumar V,Shekhar S(1999)多层超图划分:VLSI领域的应用。IEEE超大型集成电路(VLSI)系统7(1):69–79·Zbl 01935365号 ·doi:10.1009/92.748202
[26] Kearns M,Vazirani U(1994)《计算学习理论导论》。麻省理工学院出版社,剑桥
[27] Kernighan B,Lin S(1970)划分图的有效启发式程序。贝尔系统技术J 49(2):291–307·Zbl 0333.05001号
[28] Kurshan R(1994)《协调过程的计算机辅助验证:自动机理论方法》。普林斯顿大学出版社·Zbl 0822.68116号
[29] McMillan K(1997)硬件设计改进的组成规则。摘自:第九届计算机辅助验证国际会议记录,第24-35页
[30] McMillan K(2002)将SAT方法应用于无界符号模型检查。摘自:第14届计算机辅助验证国际会议记录。LNCS,第2404卷。柏林施普林格,第250–264页·Zbl 1010.68509号
[31] Misra J,Chandy K(1981)《过程网络的证明》。IEEE Trans Softw Eng 7(4):417–426·Zbl 05341575号 ·doi:10.1109/TSE.1981.230844
[32] Nam W,Alur R(2006)基于学习的符号假设保证推理与自动分解。摘自:第四届验证和分析自动化技术国际研讨会论文集(ATVA’06),第170–185页·兹比尔1161.68578
[33] Nam W,Alur R(2007)具有部分可观察性的安全性和可达性目标的学习计划。技术报告MS-CIS-07-16,宾夕法尼亚大学
[34] Namjoshi K,Trefler R(2000)《关于组合推理的完整性》。附:第十二届计算机辅助验证国际会议论文集,CAV 2000,第139-153页·Zbl 0974.68127号
[35] Peled D、Vardi M、Yannakakis M(2002)《黑盒检查》。J Autom Lang Comb杂志7(2):225–246·Zbl 1046.68072号
[36] Pnueli A(1984)关于程序的从全局到模块化时序推理的过渡。In:并发系统的逻辑和模型。纽约州施普林格,第123–144页
[37] Rivest R,Schapire R(1993)使用归位序列推断有限自动机。信息计算103(2):299–347·Zbl 0786.68082号 ·doi:10.1006/inco.1993.1021
[38] Sharygina N,Chaki S,Clarke E,Sinha N(2005)《动态成分替代性分析》。摘自:欧洲正式方法国际研讨会论文集,第512-528页·Zbl 1120.68421号
[39] Sinha N,Clarke E(2007),使用惰性学习进行基于SAT的成分验证。摘自:第19届计算机辅助验证国际会议记录,2007年CAV,第39–54页·Zbl 1135.68483号
[40] Stark E(1985)可靠保证性能的证明技术。摘自:FST&TCS 85:软件技术和理论计算机科学基础。LNCS,第206卷。柏林施普林格,第369–391页
[41] Vardhan A,Viswanathan M(2006)Lever:基于学习的验证工具。摘自:第18届计算机辅助验证国际会议记录(CAV 2006),第471-474页
[42] Vardhan A、Sen K、Viswanathan M、Agha G(2004)积极学习验证FIFO自动机的安全属性。摘自:《软件技术和理论计算机科学基础第24届会议录》。LNCS,第3328卷。柏林施普林格,第494-505页·Zbl 1117.68416号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。