SLGPT：利用迁移学习直接生成 Simulink 模型文件并发现 Simulink 工具链中的缺陷
软件工程
2022-03-11 v3 机器学习
摘要
在诸如 Simulink 这样的商用信息物理系统（CPS）开发工具中发现缺陷是困难的，因为其代码库包含数百万行代码，且无法获得完整的形式化语言规范。尽管深度学习技术有望从样本模型中学习此类语言规范，但深度学习需要大量训练数据才能良好工作。SLGPT 通过使用迁移学习来利用强大的生成式预训练 Transformer 2（GPT-2）模型解决此问题，该模型已在大型训练集上进行了预训练。SLGPT 通过随机生成的模型以及从开源仓库中挖掘的模型，将 GPT-2 适配到 Simulink。SLGPT 生成的 Simulink 模型比其最接近的竞争对手 DeepFuzzSL 更接近开源模型，并且发现了 DeepFuzzSL 所发现的 Simulink 开发工具链缺陷的超集。
引用
@article{arxiv.2105.07465,
title = {SLGPT: Using Transfer Learning to Directly Generate Simulink Model Files and Find Bugs in the Simulink Toolchain},
author = {Sohil Lal Shrestha and Christoph Csallner},
journal= {arXiv preprint arXiv:2105.07465},
year = {2022}
}
备注
Changes from published version: In Algorithm 1, while condition in line 1 changed from "and" to "or"