NeuroCodeBench：用于软件验证的纯 C 神经网络基准
软件工程
2023-09-08 v1 人工智能
密码学与安全
摘要
带有神经网络组件的安全关键系统需要强有力的保证。虽然现有的神经网络验证技术在这一目标上已取得很大进展，但它们无法证明网络实现中不存在软件故障。本文提出 NeuroCodeBench——一个用纯 C 编写的神经网络代码验证基准。它包含 32 个神经网络，具有 607 个安全属性，分为 6 类：数学库、激活函数、纠错网络、传递函数逼近、概率密度估计和强化学习。我们的初步评估表明，最先进的软件验证器难以给出正确判定，原因在于它们对标准 C 数学库的支持不完整以及较大神经网络的复杂性。
引用
@article{arxiv.2309.03617,
title = {NeuroCodeBench: a plain C neural network benchmark for software verification},
author = {Edoardo Manino and Rafael Sá Menezes and Fedor Shmarov and Lucas C. Cordeiro},
journal= {arXiv preprint arXiv:2309.03617},
year = {2023}
}
备注
Submitted to the 2023 AFRiTS workshop