[논문 리뷰] ActivFORMS: A Model-Based Approach to Engineer Self-Adaptive Systems

Danny Weyns, M. Usman Iftikhar|arXiv (Cornell University)|2019. 08. 29.

Advanced Software Engineering Methodologies참고 문헌 70인용 수 17

한 줄 요약

ActivFORMS는 형식 검증된 모델을 통해 자기적응 시스템의 피드백 루프의 정확한 런타임 동작을 보장하는 모델 기반 접근법이다. 통계적 모델 검증을 사용하여 적응 옵션을 효율적으로 선택하고, 런타임 동안 적응 목표 및 모델을 업데이트할 수 있다. 이는 불확실한 환경에서 신뢰성 있고 효율적이며 동적 자기적응을 가능하게 하며, 루벤에서 실시된 IoT 기반 건물 보안 모니터링 시스템을 통해 검증되었다.

ABSTRACT

Handling change is an increasingly important challenge for software engineers. Our focus is on changes caused by uncertainties in the operating conditions of a system, such as changes in the availability of resources in a highly dynamic environment. To deal with such uncertainties, an external feedback loop system can be added to the system that collects additional data during operation to resolve the uncertainties and adapt the system to achieve particular quality requirements (i.e., adaptation goals); this approach is commonly referred to as self-adaptation. To ensure that the system complies with the adaptation goals, recent research suggests the use of formal techniques at runtime. Existing approaches have three shortcomings that limit their practical applicability: (i) they ignore correctness of the behavior of the feedback loop, (ii) they apply exhaustive verification at runtime to select adaptation options to realize the adaptation goals, which is very resource demanding, and (iii) they provide limited or no support for changing adaptation goals at runtime. To tackle these shortcomings, we present ActivFORMS (Active FORmal Models for Self-adaptation). ActivFORMS: (i) provides guarantees for the correct behavior of the feedback loop with respect to a set of correctness properties at design time and preserves the guarantees at runtime by directly executing the verified models of the feedback loop, (ii) guides the adaptation of the system by selecting adaptation options that realize the adaptation goals in an efficient manner using statistical model checking at runtime, and (iii) offers basic support for changing adaptation goals and updating verified models of the feedback loop on-the-fly to meet the new goals. To validate ActivFORMS, we present a tool-supported instance of the approach that we apply to an IoT application for building security monitoring deployed in Leuven.

연구 동기 및 목표

• 기존 자기적응 접근법이 피드백 루프에 대한 정확성 보장을 부족하게 하고, 런타임 검증 비용이 높으며, 런타임 목표 변경에 대한 지원이 미미한 점을 해결하기 위해.
• 설계 시기의 형식 검증과 검증된 모델의 런타임 실행을 통해 피드백 루프 동작의 정확성을 보장하기 위해.
• 적응 옵션 선택을 위한 철저한 검증을 통계적 모델 검증으로 대체하여 적응 비용을 감소시키기 위해.
• 변경되는 시스템 요구사항을 반영하기 위해 런타임 동안 적응 목표 및 검증된 피드백 루프 모델을 동적으로 업데이트할 수 있도록 하기 위해.
• 루벤의 실세계 IoT 구현에서 건물 보안 모니터링을 위한 접근법을 검증하기 위해.

제안 방법

• 피드백 루프의 형식 모델을 설계 시기 동안 형식 기법을 사용하여 명시하고 검증하여 정확성 성질을 보장한다.
• 검증된 모델을 런타임에 직접 실행하여 피드백 루프의 동작 정확성을 보장한다.
• 런타임에 통계적 모델 검증을 적용하여 적응 목표를 충족하는 적응 옵션을 효율적으로 평가하고 선택한다.
• 새로운 목표를 반영하기 위해 런타임 동안 적응 목표 및 검증된 피드백 루프 모델의 점진적 업데이트를 지원한다.
• 도구 기반의 ActivFORMS 구현체를 개발하고, 루벤의 IoT 기반 건물 보안 모니터링 시스템에서 평가하였다.

실험 결과

연구 질문

• RQ1 자기적응 시스템의 피드백 루프 동작을 설계 시기와 런타임 모두에서 정확하게 보장할 수 있는 방법은 무엇인가?
• RQ2 통계적 모델 검증이 철저한 검증을 대체하여 런타임 적응 비용을 감소시키면서도 적응 목표 준수를 보장할 수 있는가?
• RQ3 정확성에 영향을 주지 않으면서 런타임 동안 적응 목표 및 피드백 루프 모델을 얼마나 동적으로 업데이트할 수 있는가?
• RQ4 ActivFORMS는 실세계 IoT 구현에서 효율적이고 정확한 자기적응을 얼마나 효과적으로 가능하게 하는가?

주요 결과

• ActivFORMS는 설계 시기의 형식 검증과 검증된 모델의 런타임 실행을 통해 피드백 루프 동작의 정확성을 보장한다.
• 통계적 모델 검증은 적응 옵션의 효율적 선택을 가능하게 하여 철저한 검증에 비해 계산 오버헤드를 크게 감소시킨다.
• 이 접근법은 런타임 동안 적응 목표 및 검증된 피드백 루프 모델의 업데이트를 지원하여 변화하는 요구사항에 대한 동적 적응을 가능하게 한다.
• ActivFORMS의 도구 기반 구현체는 루벤의 IoT 기반 건물 보안 모니터링 시스템에 성공적으로 적용되어 실용적 적용 가능성을 입증하였다.