[論文レビュー] Worst-Case Execution Time Calculation for Query-Based Monitors by Witness Generation

Márton Búr, Kristóf Marussy+2 more|arXiv (Cornell University)|Feb 5, 2021

Real-Time Systems Scheduling参考文献 70被引用数 4

ひとこと要約

本稿では、リアルタイムサイバーフィジカルシステムにおけるクエリベースのランタイムモニタに対して、意味的意識を持つ最悪実行時間（WCET）解析手法を提示する。低レベルのタイミング解析とグラフソルバーを統合することで、モニタ実行時間を最大化する証拠入力モデル（witness input models）を生成し、安全かつきめ細やかなWCET推定値を得る。aiTおよびOTAWAと比較して、実時間ハードウェア上で実験的に検証された結果、従来手法に比べて精度が向上した。

ABSTRACT

Runtime monitoring plays a key role in the assurance of modern intelligent cyber-physical systems, which are frequently data-intensive and safety-critical. While graph queries can serve as an expressive yet formally precise specification language to capture the safety properties of interest, there are no timeliness guarantees for such auto-generated runtime monitoring programs, which prevents their use in a real-time setting. While worst-case execution time (WCET) bounds derived by existing static WCET estimation techniques are safe, they may not be tight as they are unable to exploit domain-specific (semantic) information about the input models. This paper presents a semantic-aware WCET analysis method for data-driven monitoring programs derived from graph queries. The method incorporates results obtained from low-level timing analysis into the objective function of a modern graph solver. This allows the systematic generation of input graph models up to a specified size (referred to as witness models) for which the monitor is expected to take the most time to complete. Hence the estimated execution time of the monitors on these graphs can be considered as safe and tight WCET. Additionally, we perform a set of experiments with query-based programs running on a real-time platform over a set of generated models to investigate the relationship between execution times and their estimates, and compare WCET estimates produced by our approach with results from two well-known timing analyzers, aiT and OTAWA.

研究の動機と目的

• リアルタイム安全至上主義システムにおけるデータ駆動型、クエリベースのランタイムモニタに対して、安全かつきめ細やかなWCET推定値が不足しているという問題に対処すること。
• 従来の静的WCET解析が、入力モデルにおけるドメイン固有の意味的情報を活用できないという限界を克服すること。
• モニタの実行時間を最大化する入力グラフモデル（証拠モデル）を生成し、よりきめ細やかなWCET境界を実現すること。
• 実時間ハードウェア上でアプローチを検証し、aiT や OTAWA といった既存ツールと比較してWCET推定値を評価すること。
• 形式的に整合性があり実用的なタイミング保証を提供することで、ハードリアルタイムシステムへの表現力豊かなグラフクエリベースのモニタの導入を可能にすること。

提案手法

• IPETベースのツール（例：aiT, OTAWA）からの低レベルタイミング解析を、現代的なグラフソルバーの目的関数に統合する。
• ソルバーを用いて、指定されたサイズまでに制限された入力グラフモデル（証拠モデル）を体系的に生成し、モニタの期待実行時間を最大化する。
• 入力データに関するドメイン固有の制約および意味的情報を最適化プロセスに組み込む。
• 静的解析とモデル生成を組み合わせたハイブリッドアプローチを採用し、きめ細やかなWCET推定値を生成する。
• 複雑なクエリだけでなく、ランダムなグラフ構造に対しても証拠モデルを構築し、最悪ケース動作をテストする。
• 実時間プラットフォーム上で実際の実行時間を測定し、aiT や OTAWA の推定値と比較することで、結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 証拠モデル生成は、クエリベースのランタイムモニタに対して安全かつきめ細やかなWCET推定値を生成できるか？
• RQ2 低レベルのタイミングデータと高レベルの意味的制約を統合することで、WCET推定精度はどのように向上するか？
• RQ3 生成された証拠モデルは、実際の現場で一貫して最も長い実行時間を示すか？
• RQ4 本手法によるWCET推定値は、aiT や OTAWA といった既存ツールの推定値と比べてどうなるか？
• RQ5 部分的な入力データおよびメモリレイアウトのモデル化は、複雑なクエリにおけるWCET精度をどの程度向上できるか？

主な発見

• 提案手法は、すべての実験において最長の実行時間を示した証拠モデルを一貫して生成した。これは、これらのモデルが最悪ケースの入力シナリオを効果的に表現していることを示している。
• 提案手法のWCET推定値は、標準的な静的解析に比べて顕著にきめ細やかであり、ベースラインツールと比較して過大推定が大幅に低減された。
• メモリレイアウトの違いが実行時間に影響する状況では、aiTの高精度モードよりも本手法が優れていた。aiTの推定値は単一の固定メモリレイアウトに基づいていたためである。
• OTAWAの推定値は、動的制御フローを含む複雑なクエリにおいて、本手法よりも精度が低かった。
• 本手法は、意味的および低レベルのタイミングデータをモデル生成に統合することで、従来手法よりもより正確なWCET境界を達成できることを示した。
• 結果から、証拠モデル生成は、データ集約的でリアルタイム性が求められる監視システムにおいて、きめ細やかなWCET境界を達成するための実用的で効果的な戦略であると示唆される。