使用生成模型的信息物理系统需求证伪
机器学习
2025-03-03 v2 软件工程
摘要
我们提出OGAN算法，用于信息物理系统的自动需求证伪。系统输入与输出被表示为随时间分段恒定的信号，而需求以信号时序逻辑表达。OGAN能够找到作为系统正确性反例的输入，从而在系统投入运行前揭示设计、软件或硬件缺陷。OGAN算法通过训练生成式机器学习模型来产生此类反例。它离线执行测试，且不需要被测系统的任何先验模型。我们使用ARCH-COMP基准问题评估OGAN，实验结果表明生成模型是一种可行的需求证伪方法。OGAN可轻松应用于新系统，对被测系统要求极少，并展现出最先进的CPS证伪效率与有效性。
引用
@article{arxiv.2310.20493,
title = {Requirement falsification for cyber-physical systems using generative models},
author = {Jarkko Peltomäki and Ivan Porres},
journal= {arXiv preprint arXiv:2310.20493},
year = {2025}
}
备注
39 pages, 8 figures, 10 tables