[논문 리뷰] Discounting in LTL

Shaull Almagor, Udi Boker외 1명|arXiv (Cornell University)|2014. 06. 17.

Formal Methods in Verification참고 문헌 21인용 수 6

한 줄 요약

이 논문은 만족도 값을 [0,1] 범위로 할당하는 할인 확장된 선형 시간 논리(LTL)를 소개한다. 이 값들은 시간적 요구사항이 얼마나 빨리 충족되는지에 따라 결정되며, 후에 충족될수록 값이 낮아진다. 할인 함수를 임의로 추가할 경우 모델 체킹이 여전히 결정 가능하다는 것을 증명하지만, 평균 연산자를 포함하면 결정 가능성이 상실된다.

ABSTRACT

In recent years, there is growing need and interest in formalizing and reasoning about the quality of software and hardware systems. As opposed to traditional verification, where one handles the question of whether a system satisfies, or not, a given specification, reasoning about quality addresses the question of \emph{how well} the system satisfies the specification. One direction in this effort is to refine the eventually operators of temporal logic to {\em discounting operators}: the satisfaction value of a specification is a value in $[0,1]$, where the longer it takes to fulfill eventuality requirements, the smaller the satisfaction value is. In this paper we introduce an augmentation by discounting of Linear Temporal Logic (LTL), and study it, as well as its combination with propositional quality operators. We show that one can augment LTL with an arbitrary set of discounting functions, while preserving the decidability of the model-checking problem. Further augmenting the logic with unary propositional quality operators preserves decidability, whereas adding an average-operator makes some problems undecidable. We also discuss the complexity of the problem, as well as various extensions.

연구 동기 및 목표

• 전통적인 2치 만족도 외에 시스템 행동의 품질에 대한 추론을 형식화하기 위해.
• 시스템의 사양을 얼마나 잘 충족하는지 시간에 따라 변화하는 정량적 측정치가 필요함을 해결하기 위해.
• 할인 함수를 사용하여 시간에 민감한 만족도 값을 포함하는 논리를 개발하기 위해.
• 품질 연산자를 포함한 LTL의 다양한 확장에서 모델 체킹의 결정 가능성을 조사하기 위해.
• 할인과 문장 수준의 품질 연산자를 조합했을 때 결정 가능과 불가능의 경계를 규명하기 위해.

제안 방법

• 시작 시점으로부터의 시간적 거리에 따라 이벤트에 감소하는 가중치를 할당하는 할인 함수를 LTL에 추가한다.
• 충족 시간이 길수록 낮아지는 [0,1] 범위의 만족도 값을 정의하여 품질이 열 劣함을 반영한다.
• 임의의 할인 함수 집합을 포함한 LTL 확장에서 모델 체킹이 여전히 결정 가능함을 증명한다.
• 품질 판단을 표현하기 위해 단항 문장 수준의 품질 연산자를 논리에 확장한다.
• 시간에 대한 평균 연산자를 추가하면 모델 체킹 문제가 결정 불능이 됨을 보여준다.
• 다양한 확장에서 모델 체킹 문제의 복잡도를 분석한다.

실험 결과

연구 질문

• RQ1 할인 함수를 LTL에 확장해도 모델 체킹 문제의 결정 가능성이 유지되는가?
• RQ2 할인 LTL에 단항 문장 수준의 품질 연산자를 추가하면 모델 체킹의 결정 가능성에 어떤 영향을 미치는가?
• RQ3 논리에 평균 연산자를 도입하면 어떤 결과가 발생하는가?
• RQ4 품질 연산자를 포함하거나 포함하지 않은 확장된 할인 LTL 논리에서 모델 체킹의 복잡도는 어떻게 되는가?
• RQ5 합리적인 가정 하에 결정 가능성을 유지하는 LTL의 자연스러운 할인 확장은 존재하는가?

주요 결과

• LTL에 임의의 할인 함수 집합을 추가해도 모델 체킹이 여전히 결정 가능하다.
• 할인 LTL에 단항 문장 수준의 품질 연산자를 추가해도 모델 체킹 문제의 결정 가능성이 유지된다.
• 논리에 평균 연산자를 도입하면 모델 체킹 문제가 결정 불능이 된다.
• 확장된 논리에서 모델 체킹의 복잡도는 사용된 특정 할인 함수와 연산자에 따라 달라진다.
• 이 프레임워크는 시간에 민감한 정량적 방식으로 시스템 행동의 품질에 대한 추론을 위한 공식적 기반을 제공한다.