面向低关键性 ML 载载应用的半自动认证方法
软件工程
2025-01-29 v1
摘要
随着机器学习 (ML) 进入航空领域，包括低关键性系统在内的 ML 启用系统需要可靠的认证过程以确保安全和性能。传统用于航空关键软件的 DO 178C 标准未能完全涵盖 ML 的独特方面。本文提出一种半自动认证方法，专为低关键性 ML 系统设计，侧重数据和模型验证、韧性评估和可用性保证，同时集成手动和自动化流程。关键方面包括用于指导系统属性认证严格程度的结构化分类、整合评估结果的保证概览 (Assurance Profile)，以及将人类监督集成到认证活动中的方法。通过针对基于 YOLOv8 的目标检测系统进行的案例研究，该系统用于实时分类军用和平民车辆，以支援侦察和监视航空器，我们展示了这一方法如何支持低关键性航空应用中 ML 系统的认证。
引用
@article{arxiv.2501.17028,
title = {Approach Towards Semi-Automated Certification for Low Criticality ML-Enabled Airborne Applications},
author = {Chandrasekar Sridhar and Vyakhya Gupta and Prakhar Jain and Karthik Vaidhyanathan},
journal= {arXiv preprint arXiv:2501.17028},
year = {2025}
}
备注
Accepted at CAIN (International Conference of AI Engineering) 2025