[논문 리뷰] Combining Explicit and Symbolic Approaches for Better On-the-Fly LTL Model Checking

Alexandre Duret-Lutz, Kaïs Klai외 2명|arXiv (Cornell University)|2011. 06. 28.

Formal Methods in Verification참고 문헌 16인용 수 5

한 줄 요약

이 논문은 명시적 실시간 그래프 구축과 기호적 상태 집약을 결합한 두 가지 새로운 하이브리드 LTL 모델 체킹 기법—기호 관측 제품(Symbolic Observation Product, SOP)과 자기순환 집약 제품(Self-Loop Aggregation Product, SLAP)—을 소개한다. SOP는 관측되는 원자 명제 집합을 동적으로 축소시켜 상태 공간을 줄이며, SLAP는 B"uchi 라벨에서 자기순환을 활용하여 스타트링 기반 최적화를 비스태트링 불변성 성질에 대해서도 가능하게 한다. 두 기법 모두 기존 방법보다 속도와 성공률 측면에서 뛰어나며, 특히 빈 제품 사례에서 두드러진 성능을 보이며, SLAP-FST가 가장 우수한 종합 성능을 보인다.

ABSTRACT

We present two new hybrid techniques that replace the synchronized product used in the automata-theoretic approach for LTL model checking. The proposed products are explicit graphs of aggregates (symbolic sets of states) that can be interpreted as Büchi automata. These hybrid approaches allow on the one hand to use classical emptiness-check algorithms and build the graph on-the-fly, and on the other hand, to have a compact encoding of the state space thanks to the symbolic representation of the aggregates. The Symbolic Observation Product assumes a globally stuttering property (e.g., LTL \ X) to aggregate states. The Self-Loop Aggregation Product} does not require the property to be globally stuttering (i.e., it can tackle full LTL), but dynamically detects and exploits a form of stuttering where possible. Our experiments show that these two variants, while incomparable with each other, can outperform other existing approaches.

연구 동기 및 목표

• 명시적 기법과 기호적 기법을 융합하여 LTL 모델 체킹에서 발생하는 상태 공간 폭발 문제를 해결하기 위해.
• 압축된 상태 공간 표현을 유지하면서도 실시간 빈도 체킹을 가능하게 하기 위해.
• 동적 자기순환 분석을 통해 스타트링 기반 최적화를 스타트링 불변성 성질을 초월한 LTL 성질에도 적용 가능하게 하기 위해.
• 기존 기호적 및 명시적 방법 대비 성능 향상과 실패율 감소를 위해 LTL 검증을 향상시키기 위해.

제안 방법

• B"uchi 라벨을 순회하면서 관측되는 원자 명제 집합을 동적으로 축소시키는 방식으로, 기호 관측 그래프(SOG)를 일반화한 기호 관측 제품(SOP)을 제안한다.
• B"uchi 라벨에 있는 자기순환 레이블과 호환되는 시스템 상태를 집약하여 실시간으로 스타트링 최적화를 가능하게 하는 자기순환 집약 제품(SLAP)을 도입한다.
• 기호 집합을 사용하여 집약된 상태를 표현함으로써 압축된 상태 공간 인코딩과 효율적인 고정점 계산을 가능하게 한다.
• 기호 집약의 명시적 그래프에 고전적인 빈도 체킹 알고리즘을 적용하여 반례를 발견하는 즉시 종료할 수 있도록 한다.
• B"uchi 라벨 내 자기순환 레이블의 논리합을 활용하여 동적 스타트링 행동을 탐지하고 최적화에 활용한다.
• 실시간 구축과 기호 압축의 이점을 유지하면서도 두 기법을 하이브리드 프레임워크 내에 통합한다.

실험 결과

연구 질문

• RQ1 관측되는 원자 명제 집합의 동적 축소가 실시간 LTL 모델 체킹의 효율성 향상에 기여할 수 있는가?
• RQ2 B"uchi 라벨 내 자기순환 분석을 통해 비스태트링 불변성 성질을 가진 LTL 성질에 대해서도 효과적인 상태 집약을 가능하게 할 수 있는가?
• RQ3 순수 기호적 또는 명시적 방법 대비 하이브리드 명시적-기호적 접근 방식의 성능 및 성공률 측면에서의 비교 결과는 어떠한가?
• RQ4 실시간 빈도 체킹과 기호적 상태 집약을 효과적으로 융합하여 상태 공간을 축소하고 검증 속도를 향상시킬 수 있는가?

주요 결과

• SLAP-FST는 빈 제품 사례에서 EL 및 OWCTY를 포함한 모든 다른 방법보다 빠르고 성공률이 높으며, 특히 빈 제품 사례에서 두드러진 성능을 보인다.
• SOP는 SOG 기법을 개선하며, 반례가 존재할 경우 EL 및 OWCTY와 같은 완전 기호 알고리즘보다도 더 우수한 성능을 보인다.
• 빈 제품 사례에서는 SLAP-FST가 항상 SOP를 앞서지만, 일부 비빈 사례에서는 유리한 DFS 순회 순서로 인해 SOP가 더 빠를 수 있다.
• BCZ는 무작위로 생성된 next 연산자 공식을 가진 BEEM 모델에서는 잘 작동하지만, 스타트링 불변성 사례에서 빈 제품에 대해서는 심각한 실패를 보인다.
• SOP와 SLAP-FST의 조합은 상호보완적이다: SLAP-FST는 낮은 실패율과 더 나은 종합 성능을 보이며, 일부 SLAP-FST가 해결하지 못하는 인스턴스는 SOP가 해결할 수 있다.
• 하이브리드 접근 방식은 기호적 압축을 통해 효과적인 실시간 검증을 가능하게 하여 전통적 방법 대비 메모리 사용량과 런타임을 모두 감소시킨다.