一种面向黑盒信息物理系统伪证的主动学习方法
计算机科学中的逻辑
2017-10-03 v2
摘要
基于搜索的测试被广泛用于查找复杂信息物理系统模型中的错误。近期研究通过将此方法转化为形式化指定时序性质的伪证过程，并利用信号时序逻辑（Signal Temporal Logic）的鲁棒语义，改进了该方法。将该方法扩展到高度复杂的工程系统需要高效的伪证过程，且应适用于黑盒模型。此外，输入通常是时间相关函数，这进一步加剧了伪证的难度。我们利用主动学习领域的机器学习技术，解决复杂黑盒信息物理系统形式化性质的伪证问题。针对具有时间相关函数输入的伪证问题调整这些技术，我们通过减少所需的模型仿真次数，展示了计算量上的显著收益。所提方法的优越性在一个来自汽车领域的具有挑战性的工业级基准上进行了讨论。
引用
@article{arxiv.1705.01879,
title = {An Active Learning Approach to the Falsification of Black Box Cyber-Physical Systems},
author = {Simone Silvetti and Alberto Policriti and Luca Bortolussi},
journal= {arXiv preprint arXiv:1705.01879},
year = {2017}
}
备注
15 pages, 2 figures