[論文レビュー] Model Checking as Control: Feedback Control for Statistical Model Checking of Cyber-Physical Systems

Kenan Kalajdzic, Cyrille Jégourel+4 more|arXiv (Cornell University)|Apr 24, 2015

Formal Methods in Verification参考文献 19被引用数 3

ひとこと要約

本論文は、フィードバック制御の原則を用いて、サイバーフィジカルシステム（CPS）におけるまれな事象の確率を効率的に推定する、新しい統計的モデルチェック手法であるフィードバック制御統計的システムチェック（FC-SSC）を提案する。確率的システム同定、重要度サンプリング、および重要度分割を組み合わせることで、静的解析によってモデルを導出することが不可能または不適切な状況においても、複雑なCPSの性質を正確かつスケーラブルに検証可能である。

ABSTRACT

We introduce feedback-control statistical system checking (FC-SSC), a new approach to statistical model checking that exploits principles of feedback-control for the analysis of cyber-physical systems (CPS). FC-SSC uses stochastic system identification to learn a CPS model, importance sampling to estimate the CPS state, and importance splitting to control the CPS so that the probability that the CPS satisfies a given property can be efficiently inferred. We illustrate the utility of FC-SSC on two example applications, each of which is simple enough to be easily understood, yet complex enough to exhibit all of FC-SCC's features. To the best of our knowledge, FC-SSC is the first statistical system checker to efficiently estimate the probability of rare events in realistic CPS applications or in any complex probabilistic program whose model is either not available, or is infeasible to derive through static-analysis techniques.

研究の動機と目的

• 従来の静的解析が不適切な場合に、サイバーフィジカルシステム（CPS）におけるまれな事象の確率を効率的に推定する課題に対処すること。
• 未知または扱いにくいモデルを有する複雑な確率的CPS行動を扱う際、既存の統計的モデルチェック手法の限界を克服すること。
• フィードバック制御の原則を統計的モデルチェックに統合し、サンプリング効率と収束性を向上させること。
• 静的解析によるモデル導出が現実的でない応用分野において、CPSの性質を実用的に検証できること。
• 制御メカニズムを通じてシステム動作に動的に適応する、スケーラブルで頑健な統計的システムチェックのフレームワークを提供すること。

提案手法

• 観測されたシステム動作からデータ駆動型のCPSモデルを学ぶために、確率的システム同定を採用する。
• 関心の性質を満たすがまれなシステム軌道に偏るサンプリングプロセスを重みづけるために、重要度サンプリングを適用する。
• 検証対象の性質に関連性の高い状態空間の領域に、段階的にサンプリングを集中させるために、重要度分割を用いる。
• リアルタイムのパフォーマンス指標とシステム応答に基づいて、動的にサンプリング戦略を調整するためのフィードバック制御メカニズムを統合する。
• 制御理論的原則と統計的推論を組み合わせ、確率推定の収束を安定化および加速する。
• フィードバックループを活用して、高分散または低確率事象の条件下でも推定の正確性を維持する。

実験結果

リサーチクエスチョン

• RQ1 フィードバック制御の原則は、CPSにおける統計的モデルチェックの効率を向上させるために効果的に適用可能か？
• RQ2 重要度サンプリングと重要度分割を制御フレームワークに統合することで、まれな事象の確率を正確に推定できるか？
• RQ3 複雑なCPS検証において、確率的システム同定は静的モデル導出を代替または補完するのにどの程度有効か？
• RQ4 モデルが入手不可能な現実的なCPS応用において、提案手法がまれな事象の確率推定を信頼的に実現できるか？
• RQ5 複雑で動的な環境下で、既存の統計的モデルチェック手法と比較して、FC-SSCはどの程度効率的かつ正確か？

主な発見

• FC-SSCは、従来手法が高分散や扱いにくいモデルのため失敗するようなサイバーフィジカルシステムにおいて、まれな事象の確率を効率的かつ正確に推定可能である。
• 統計的モデルチェックにフィードバック制御を統合することで、サンプリング効率と収束速度が顕著に向上する。
• 2つの実用的応用例を通じて、モデルの不確実性がある中でも、複雑なCPS行動を効果的に処理でき、実用的有用性を示した。
• FC-SSCは、現実のCPSシナリオにおいて、まれな事象の確率をスケーラブルかつ信頼性高く推論できる最初の統計的システムチェッカーである。
• 制御メカニズムを通じて動的にサンプリング戦略を適応させるため、標準的な統計的モデルチェックを上回る性能を発揮する。
• 確率的システム同定により、データからモデルを学習できるため、静的解析が不適切な状況においても適用可能である。