[논문 리뷰] From LTL to Deterministic Automata: A Safraless Compositional Approach

Javier Esparza, Jan Křetínský|arXiv (Cornell University)|2014. 02. 14.

Formal Methods in Verification참고 문헌 12인용 수 12

한 줄 요약

이 논문은 Safra의 구성에 의존하지 않고 전체 LTL 공식을 직접 결정성 Rabin 자동차(DRA)로 번역하는 새로운 조합적 알고리즘을 제안한다. 공식을 G-하위공식 각각에 대응하는 마스터 자동차와 슬레이브 자동차로 분해함으로써, 논리적으로 구조화된 상태를 가진 제품 자동차를 구성하며, Safra의 구성에 의존하는 두 단계 방법과 비교해 훨씬 더 작은 자동차를 달성한다. 이는 ltl2dstar와 같은 최신 도구를 포함하여 두 단계 방법보다도 유의미하게 작다.

ABSTRACT

We present a new algorithm to construct a deterministic Rabin automaton for an LTL formula $φ$. The automaton is the product of a master automaton and an array of slave automata, one for each $G$-subformula of $φ$. The slave automaton for $Gψ$ is in charge of recognizing whether $FGψ$ holds. As opposed to standard determinization procedures, the states of all our automata have a clear logical structure, which allows to apply various optimizations. Our construction subsumes former algorithms for fragments of LTL. Experimental results show improvement in the sizes of the resulting automata compared to existing methods.

연구 동기 및 목표

• 전통적인 Safra의 구성에 의존하는 두 단계 LTL에서 DRA로의 변환 방식에서 발생하는 비효율성과 상태 폭발 문제를 해결하기 위해.
• 논리적으로 의미 있는 상태를 가진, 전체 LTL를 결정성 Rabin 자동차로 직접적으로 번역하는 조합적 방법을 개발하기 위해.
• 비용이 많이 드는 일반화 해제를 피하기 위해, 실용적인 확률적 모델 체킹에 사용 가능한 압축된 일반화된 Rabin 자동차(GDRA)를 생성하기 위해.
• 이전의 LTL의 일부 분할(예: F G 전용)을 전체 LTL 및 조합 불가능한 선형시간 mu-계산법까지 일반화하기 위해.
• 모듈식 슬레이브 자동차를 통해 최적화 기반을 마련하기 위해, 각 슬레이브 자동차를 독립적으로 최소화할 수 있도록 하기 위해.

제안 방법

• 이 구성은 나머지 만족되어야 할 공식을 추적하고 안전성 및 도달 가능성 조건을 모니터링하는 마스터 자동차를 사용한다.
• 각 Gψ 하위공식에 대해, F Gψ가 성립하는지 검증하는 슬레이브 자동차를 구성하며, ψ에만 집중하고 하위 G-공식들은 다른 슬레이브에 위임한다.
• 마스터와 슬레이브 자동차는 병렬 구성으로 작동하며, 최종 수락 조건은 G-하위공식의 부분집합과 그 강화된 형태들의 논리합(disjunction)이다.
• 모든 자동차의 상태는 문법적 하위공식 기반으로 명확한 논리적 구조를 가지며, 최적화 기회를 제공한다.
• 이 방법은 일반화된 Rabin 자동차(tGDRAs)에서 전이 기반 수락을 지원하며, 일반화 해제 없이도 확률적 검증에 직접 사용할 수 있다.
• 알고리즘은 조합적이다: 각 G-하위공식에 대해 마스터와 슬레이브 자동차를 조합하여 전체 DRA를 점진적으로 구축한다.

실험 결과

연구 질문

• RQ1 전체 LTL에서 결정성 Rabin 자동차로의 직접적이고 Safra의 구성이 없는 번역이 조합적 아키텍처를 통해 가능할 수 있는가?
• RQ2 자동차 상태의 논리적 구조를 활용하여 상태 공간을 줄이고 효과적인 최적화를 가능하게 할 수 있는가?
• RQ3 조합적 접근이 Safra의 구성을 포함하는 두 단계 방법보다 유의미하게 더 작은 자동차를 생성할 수 있는가?
• RQ4 기존 도구보다 X 및 U 연산자, 그리고 중첩된 G 및 F 연산자를 포함한 복잡한 LTL 공식을 더 효율적으로 처리할 수 있는가?
• RQ5 일반화된 Rabin 자동차(GDRA)가 일반화 해제 없이도 확률적 모델 체킹에서 직접 사용될 수 있는 정도는 어느 정도인가?

주요 결과

• 제안된 알고리즘은 두 단계 방법보다 훨씬 더 작은 일반화된 Rabin 자동차(GDRA)를 생성한다. 일부 공식은 1개 상태의 GDRA를 생성하는 반면, Safra의 방법을 사용하면 100만 개 이상의 상태가 발생한다.
• 공식 (G F a ∨ F G b) ∧ (G F c ∨ F G (d ∨ X e))에 대해, 이 방법은 80개 상태의 DRA를 생성했고, ltl2dstar는 18,176개 상태를 생성했다.
• 이 알고리즘은 몇 초 내에 자동차를 생성하지만, ltl2dstar는 더 큰 공식(예: 10,000개 이상 상태)에 대해 타임아웃이 발생하거나 수천 개의 상태가 되는 데 수 시간이 소요되었다.
• 이 방법은 ltl2dstar와 같은 최적화된 두 단계 도구보다 공정성 유사 공식 및 Spec Pattern 라이브러리에서 얻은 복잡한 LTL 패tern에서 더 우수한 성능을 보였다.
• tGDRAs(전이 기반 GDRA)의 사용은 일반화 해제 없이도 확률적 모델 체킹에서 직접 사용할 수 있게 해주며, 일반화 해제로 인한 상태 폭발을 피할 수 있다.
• 조합적 설계 덕분에 개별 슬레이브 자동차의 강력한 최적화가 가능하며, 각 상태의 감소가 최종 제품에서 상당한 절감 효과를 낳을 수 있다.