[논문 리뷰] Extending Clause Learning SAT Solvers with Complete Parity Reasoning (extended version)

Tero Laitinen, Tommi Junttila외 1명|arXiv (Cornell University)|2012. 07. 04.

Constraint Satisfaction and Optimization참고 문헌 5인용 수 5

한 줄 요약

이 논문은 증분 가우스-조르당 소거를 기반으로 한 완전한 기호 논리 추론 모듈을 clause 학습 SAT 솔버에 통합하여 XOR 제약 조건에서 유도되는 리터럴과 동치 관계를 완전히 추론할 수 있도록 한다. 이는 이중 연결 성분 분해 기법과 xor-내부 변수 제거를 도입함으로써 행렬 크기를 크게 줄이고 해결 시간을 단축하면서도 완전성을 유지한다. 이는 벤치마크 인스턴스에서 유닛 프로파게이션과 동치 관계 추론을 능가한다.

ABSTRACT

Instances of logical cryptanalysis, circuit verification, and bounded model checking can often be succinctly represented as a combined satisfiability (SAT) problem where an instance is a combination of traditional clauses and parity constraints. This paper studies how such combined problems can be efficiently solved by augmenting a modern SAT solver with an xor-reasoning module in the DPLL(XOR) framework. A new xor-reasoning module that deduces all possible implied literals using incremental Gauss-Jordan elimination is presented. A decomposition technique that can greatly reduce the size of parity constraint matrices while allowing still to deduce all implied literals is presented. It is shown how to eliminate variables occuring only in parity constraints while preserving the decomposition. The proposed techniques are evaluated experimentally.

연구 동기 및 목표

• 암호 분석, 회로 검증, 모델 체킹 등에서 흔한 XOR 제약 조건을 가진 문제에서 표준 CDCL SAT 솔버의 비효율성을 해결하기 위해.
• 모든 유도된 리터럴과 동치 관계를 추론할 수 있는 완전한 XOR 추론 메커니즘을 개발하여 유닛 프로파게이션과 표준 가우스 소거의 한계를 초월하기 위해.
• 이중 연결 성분으로 분해하고 xor-내부 변수를 제거하는 전략을 통해 XOR 제약 조건 처리의 계산 및 메모리 오버헤드를 줄이기 위해.
• 실세계 벤치마크에서 제안된 기법들을 평가하여 해결 성능과 확장성 향상을 입증하기 위해.

제안 방법

• 주어진 변수 할당 하에 XOR 제약 조건으로부터 모든 유도된 리터럴과 동치 관계를 계산하는 증분 가우스-조르당 소거 모듈을 도입한다.
• 절점(cut vertices)에서 XOR 제약 조건 그래프를 분할하는 이중 연결 성분 분해 기법을 제안하여 성분 간 독립적 처리가 가능하게 하면서도 완전한 추론 완전성을 유지한다.
• XOR 제약 조건에만 등장하는 xor-내부 변수를 대체를 통해 제거하는 변수 제거 전략을 개발하여 행렬 크기를 줄이되, 해의 동치성은 유지한다.
• 절점 변수는 제거에서 제외하여 변수 제거 과정에서도 이중 연결 성분의 구조를 유지함으로써 성분의 무결성과 정확성을 확보한다.
• 증분 가우스-조르당과 결합하여 분해 및 변수 제거를 적용함으로써 행렬 표현을 최적화하고 솔버 효율성을 향상시킨다.
• 기존 솔버(예: cryptominisat)와의 호환성을 확보하기 위해 싱글턴 이중 연결 성분을 CNF로 변환하는 전략을 적용하여 메모리 사용량을 줄이고 해결 속도를 향상시킨다.

실험 결과

연구 질문

• RQ1 증분 가우스-조르당 소거를 사용하여 XOR 제약 조건에서 모든 유도된 리터럴과 동치 관계를 완전히 전파할 수 있는가?
• RQ2 기존의 연결 성분 분해와 비교해 이중 연결 성분 분해가 더 효율적이고 확장 가능한 XOR 추론을 가능하게 하는가?
• RQ3 xor-내부 변수 제거가 추론 완전성 손실 없이 얼마나 행렬 크기를 줄이고 해결 성능을 향상시키는가?
• RQ4 실제로 유닛 프로파게이션과 동치 관계 추론과 비교해 제안된 기법들이 해결 시간과 결정 수 측면에서 어떻게 성능을 냈는가?

주요 결과

• 증분 가우스-조르당 소거 모듈은 모든 유도된 리터럴과 동치 관계를 추론하여 해결 속도와 완전성 측면에서 유닛 프로파게이션과 동치 관계 추론을 모두 능가한다.
• cryptominisat 2.9.2는 싱글턴 이중 연결 성분을 CNF로 변환한 후 110개의 SAT 경쟁 인스턴스 중 50개를 해결했으며, 수정되지 않은 버전 대비 6개 더 많은 해결을 기록했다.
• Trivium 벤치마크 인스턴스에서 xor-내부 변수 제거로 인해 총 행렬 크기가 55×10⁶에서 5×10⁶로 줄어들어 저장소 사용량이 91% 감소했다.
• 증분 가우스-조르당 소거를 사용하고 분해 및 변수 제거를 적용한 솔버는 다른 구성보다 모든 Trivium 벤치마크 인스턴스를 더 빨리 해결했다.
• 나무 구조의 XOR 제약 조건을 가우스-조르당 행렬에서 제외하고 이중 연결 성분을 분할함으로써 완전성 손실 없이도 해결 시간을 크게 단축시켰다.
• 제안된 기법들은 여러 벤치마크 세트에서 결정 수와 해결 시간을 감소시켰으며, 증분 가우스-조르당이 가장 빠른 전반적인 성능을 보였다.