[論文レビュー] The Probabilistic Model Checker Storm (Extended Abstract)

Christian Dehnert, Sebastian Junges+2 more|arXiv (Cornell University)|Oct 27, 2016

Software Testing and Debugging Techniques参考文献 26被引用数 8

ひとこと要約

Storm は、DTMC、CTMC、MDP、MA を含む離散時間および連続時間マルコフモデルをサポートする高パフォーマンスで拡張可能な確率的モデル検査ツールである。統合された報酬構造を備え、スパース行列と MTBDD を使用するモジュラーなエンジンを採用し、Gurobi や Z3、CUDD などの高性能ソルバを活用している。PRISM、JANI、GSPN といった多様な入力言語をサポートしており、正確な算術計算やパrametric検証、確率的反例生成といった高度な分析を可能にしている。

ABSTRACT

We present a new probabilistic model checker Storm. Using state-of-the-art libraries, we aim for both high performance and versatility. This extended abstract gives a brief overview of the features of Storm.

研究の動機と目的

• 幅広いモデルタイプと分析手法をサポートする高パフォーマンスでモジュラーな確率的モデル検査ツールの開発を目的とする。
• 最新のソルバーやデータ構造を統合することで、確率的システムの効率的かつスケーラブルな検証を実現することを目的とする。
• パrametricモデル検証、確率的反例生成、許容的スケジューラ設計といった高度な検証タスクを支援することを目的とする。
• PRISM、JANI、GSPN、cpGCL といった多様なモデリング言語と DFT を、1 つの拡張可能なフレームワーク内で統合することを目的とする。
• 正確な算術計算と統計的モデル検査の両方の機能を提供することで、精度と多様性を向上させることを目的とする。

提案手法

• Storm は、小〜中規模のモデルにはスパース行列、大規模システムにはマルチターミナル BDD（MTBDD）を用いた主なメモリ内表現を採用している。
• スパース、学習、DD、ハイブリッドの 4 つの検証エンジンを提供しており、それぞれが特定のモデル特性や操作に最適化されている。
• Gurobi、Z3、CUDD といった高性能ライブラリを介して、線形方程式、ベルマン方程式、(M)ILP、SMT 解法をサポートするモジュラーなソルバーアーキテクチャを統合している。
• PRISM、JANI、GSPN といったシンボリックな入力形式をサポートしており、直接的なモデリングと JANI エンコードを介して一般化された確率的ペトリネット（GSPN）をネイティブにサポートしている。
• パラメトリックモデルにおける有理関数の操作に CArL ライブラリを用いることで正確な算術計算を実現し、浮動小数点近似を回避している。
• パフォーマンスが重要なアプリケーション向けに C++ API を、迅速なプロトタイピングと統合を目的として Python API を提供している。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、高パフォーマンスと拡張性・モularity を両立させる確率的モデル検査ツールのアーキテクチャを設計できるか？
• RQ2 スパース行列と MTBDD といったデータ構造、および SMT、MILP、線形ソルバーといったソルバーの組み合わせによって、多様なモデルタイプに対して効率的な検証を実現できるか？
• RQ3 統一されたフレームワークが、PRISM、JANI、GSPN、DFT といった異種のモデリング言語を効果的にサポートできるか？
• RQ4 浮動小数点アプローチと比較して、パラメトリックモデル検査における正確な算術計算が、精度とパフォーマンスの両面でどの程度向上するか？
• RQ5 Storm のモジュラー設計は、確率的反例や許容的スケジューラ生成といった高度な検証技術の実装をどのように可能にするか？

主な発見

• Storm は、動的故故木（DFT）の解析において、競合ツールを上回るスケーラビリティと効率性を示しており、この特殊分野で優れた性能を発揮している。
• CArL ライブラリによる正確な算術計算の統合により、離散時間モデルの正確なパラメトリック検証が可能となり、このタスクにおいて既存ツールを大きく上回っている。
• Storm のモジュラーなソルバーアーキテクチャにより、Gurobi や Z3、CUDD といった高性能ライブラリのシームレスな統合が可能となり、タスクに最適なソルバの選択が可能で、ライセンスの競合を回避できる。
• MTBDD とスパース行列を組み合わせたハイブリッドエンジンは、特定のモデルクラスにおいて、純粋な MTBDD やスパース行列アプローチよりも優れたパフォーマンスを達成している。
• 直接的なモデリングと JANI エンコードを介した GSPN へのネイティブサポートにより、Storm は、一般化された確率的ペトリネット（GSPN）モデルをすべてネイティブにサポートする最初のツールである。
• Python API により迅速なプロトタイピングと高性能 Storm コンponent へのアクセスが可能であり、C++ API は低レイヤーでパフォーマンスが重要なアプリケーションをサポートしている。