基于过程挖掘的 ERTMS/ETCS 控制流运行时监控
机器学习
2025-12-04 v2
摘要
确保基于计算机的铁路系统的韧性日益关键，以应对因这些系统日益增长的复杂性和关键性而带来的不确定性和变化。尽管其软件遵循既定的最佳实践和认证标准，经过严格的验证与确认过程，但由于设计时未知的残余故障、系统和环境修改，或其他新出现的网络威胁场景，运行时仍可能出现异常。本文探讨了使用过程挖掘进行运行时控制流异常检测，以增强 ERTMS/ETCS L2（欧洲铁路交通管理系统/欧洲列车控制系统第二级）的韧性。过程挖掘允许从系统的执行轨迹中学习实际的控制流，从而通过在线一致性检查实现运行时监控。此外，通过无监督机器学习进行异常定位，将相关偏差与关键系统组件联系起来。我们在一个参考 ERTMS/ETCS L2 场景，即 RBC/RBC 交接上测试了我们的方法，以展示其高精度、高效率和可解释性地检测和定位异常的能力。
引用
@article{arxiv.2509.10419,
title = {Run-Time Monitoring of ERTMS/ETCS Control Flow by Process Mining},
author = {Francesco Vitale and Tommaso Zoppi and Francesco Flammini and Nicola Mazzocca},
journal= {arXiv preprint arXiv:2509.10419},
year = {2025}
}
备注
Accepted to the 6th International Conference on Reliability, Safety, and Security of Railway Systems (RSSRail2025)