[논문 리뷰] k-Step Relative Inductive Generalization

Aaron R. Bradley|arXiv (Cornell University)|2010. 03. 18.

Formal Methods in Verification참고 문헌 18인용 수 11

한 줄 요약

이 논문은 SAT 기반의 기호적 모델 체킹 기법인 k단계 상대적 인도적 일반화를 소개한다. 이 기법은 도달 가능한 상태의 k단계 초과 근사치에 상대적으로 인도적으로 문장을 강화하여 위반 상태를 일반화한다. 이 방법은 가능한 한 높은 k수준에서 귀납을 반복 적용함으로써 모든 위반 큐브를 일반화함을 보장하며, 어려운 벤치마크에서 성능을 크게 향상시킨다. 구현체는 HWMCC 2008에서 우승한 경쟁 제품을 능가한다.

ABSTRACT

We introduce a new form of SAT-based symbolic model checking. One common idea in SAT-based symbolic model checking is to generate new clauses from states that can lead to property violations. Our previous work suggests applying induction to generalize from such states. While effective on some benchmarks, the main problem with inductive generalization is that not all such states can be inductively generalized at a given time in the analysis, resulting in long searches for generalizable states on some benchmarks. This paper introduces the idea of inductively generalizing states relative to $k$-step over-approximations: a given state is inductively generalized relative to the latest $k$-step over-approximation relative to which the negation of the state is itself inductive. This idea motivates an algorithm that inductively generalizes a given state at the highest level $k$ so far examined, possibly by generating more than one mutually $k$-step relative inductive clause. We present experimental evidence that the algorithm is effective in practice.

연구 동기 및 목표

• 이전의 인도적 일반화 방법에서 모든 위반 상태를 한 번에 일반화할 수 없는 한계를 해결하기 위해.
• 성질이 불변일 경우 모든 위반 상태를 보장하는 인도적 일반화를 위해 도달 가능한 상태의 k단계 초과 근사치를 활용하기 위해.
• 이전 방법이 멈추는 복잡한 벤치마크에서 SAT 기반 기호적 모델 체킹의 확장성과 강건성을 향상시키기 위해.
• 증가하는 문장 생성과 초과 근사치를 통한 전방 전파를 결합하여 수렴 또는 반례 탐지가 가능하도록 하는 방법을 제공하기 위해.

제안 방법

• 도달 가능한 상태가 최대 0에서 k단계 이내일 때를 나타내는 k단계 초과 근사치의 시퀀스 F₀, F₁, ..., Fₖ를 유지한다.
• 위반 큐브 s에 대해, i ≤ k일 때 ¬s가 Fᵢ에 대해 인도적임을 확인함으로써, 가장 높은 k를 식별하여 k단계 상대적 인도적 일반화를 가능하게 한다.
• 가장 높은 가능한 k수준에서 일반화 가능한 문장을 찾을 때까지 s의 조상들을 반복적으로 일반화한다.
• Fₖ 상태에서 위반 상태로의 전이가 불가능할 경우 Fₖ를 강화하고 k를 증가시키며, 함의 검사를 통해 문장을 전방으로 전파한다.
• 기존 방법에서 사용하는 큰 크기의 k단계 BMC 쿼리를 피하기 위해 1단계 BMC 쿼리를 사용하여 초과 근사치를 계산한다.
• 인도적 일반화를 적용하여 s를 포함하지만 불변성을 유지하는 ¬s의 최소 인도적 부분문장을 찾는다.

실험 결과

연구 질문

• RQ1 현재 k수준에서 즉각 일반화되지 않는 위반 상태들에 대해서도 인도적 일반화를 체계적으로 적용할 수 있는가?
• RQ2 k단계 초과 근사치는 어떻게 더 높은 수준의 추상화에서 일반화를 가능하게 하는가?
• RQ3 최근의 초과 근사치에 기반한 상대적 인도적 일반화가 기호적 모델 체킹에서 수렴을 향상시키고 검색 시간을 단축시키는가?
• RQ4 이 방법은 어려운 검증 벤치마크에서 기존의 SAT 기반 모델 체커를 능가할 수 있는가?

주요 결과

• 성질이 불변일 경우 k단계 상대적 인도적 일반화 알고리즘이 모든 위반 큐브를 성공적으로 일반화하여 무의미한 검색의 필요성을 제거한다.
• 제공된 벤치마크에서 구현체는 HWMCC 2008의 unsat 부문 우승자와 전체 우승자를 모두 능가했다.
• 3.0 프로세서 스케일링 조건에서 545개의 모든 벤치마크를 해결하여 317개의 증명과 228개의 반례를 도출했다.
• 효율적인 문장 생성과 전파 덕분에 이 방법은 잘 확장되며, 대부분의 시간은 점진적인 문장 생성에 소요된다.
• 이 방법은 BMC와 상호보완적이며, SAT 검색 공간을 제약하기 위해 함께 사용될 수 있다.
• 알고리즘은 자연스럽게 병렬화 가능하며, 이전의 인도적 일반화 작업의 병렬화 가능성을 기반으로 한다.