基于主动MDP学习的概率化黑盒检测
软件工程
2023-08-17 v1 形式语言与自动机理论
机器学习
系统与控制
系统与控制
摘要
我们引入了一种用于测试随机黑盒系统的新方法，这类系统常见于嵌入式系统中。我们的方法增强了已确立的黑盒检测(BBC)技术以应对随机行为。传统BBC主要通过迭代识别一个违反系统规范的输入来执行，分为以下三个阶段：构建逼近黑盒行为的自动机的学习阶段、从所学自动机中识别候选反例的综合阶段，以及针对原始黑盒系统验证所得候选反例与所学自动机的验证阶段。我们的方法ProbBBC通过(1)在学习阶段采用主动马尔可夫决策过程(MDP)学习方法，(2)在综合阶段引入概率模型检测，(3)在验证阶段应用统计假设检验，精炼了传统BBC方法。ProbBBC独特地集成了这些技术，而非仅仅替换传统BBC中的各个方法；例如，统计假设检验与MDP学习过程相互交换关于黑盒系统观测的信息。实验结果表明，ProbBBC优于现有方法，尤其对于观测有限的系统。
引用
@article{arxiv.2308.07930,
title = {Probabilistic Black-Box Checking via Active MDP Learning},
author = {Junya Shijubo and Masaki Waga and Kohei Suenaga},
journal= {arXiv preprint arXiv:2308.07930},
year = {2023}
}
备注
Accepted to EMSOFT 2023