[논문 리뷰] Model Checking as Control: Feedback Control for Statistical Model Checking of Cyber-Physical Systems

Kenan Kalajdzic, Cyrille Jégourel외 4명|arXiv (Cornell University)|2015. 04. 24.

Formal Methods in Verification참고 문헌 19인용 수 3

한 줄 요약

이 논문은 피드백 제어 원리를 활용하여 사이버-물리 시스템(CPS)에서 희귀 사건의 확률을 효율적으로 추정하는 새로운 통계적 모델 체킹 접근법인 피드백 제어 통계적 시스템 체킹(FC-SSC)을 제안한다. 확률적 시스템 식별, 중요도 표본 추출, 중요도 분할을 조합함으로써, 정적 분석으로 유도하기 어려운 모델이 존재하는 경우에도 복잡한 CPS 성질의 정확하고 확장 가능한 검증을 가능하게 한다.

ABSTRACT

We introduce feedback-control statistical system checking (FC-SSC), a new approach to statistical model checking that exploits principles of feedback-control for the analysis of cyber-physical systems (CPS). FC-SSC uses stochastic system identification to learn a CPS model, importance sampling to estimate the CPS state, and importance splitting to control the CPS so that the probability that the CPS satisfies a given property can be efficiently inferred. We illustrate the utility of FC-SSC on two example applications, each of which is simple enough to be easily understood, yet complex enough to exhibit all of FC-SCC's features. To the best of our knowledge, FC-SSC is the first statistical system checker to efficiently estimate the probability of rare events in realistic CPS applications or in any complex probabilistic program whose model is either not available, or is infeasible to derive through static-analysis techniques.

연구 동기 및 목표

• 기존 정적 분석이 비현실적이거나 불가능한 사이버-물리 시스템(CPS)에서 희귀 사건의 확률을 효율적으로 추정하는 문제에 대응한다.
• 기본 모델이 알려지지 않거나 해석이 불가능한 복잡한 확률적 CPS 행동을 다루는 데 있어 기존 통계적 모델 체킹 기법의 한계를 극복한다.
• 피드백 제어 원리를 통계적 모델 체킹에 통합하여 표본 추출 효율성과 수렴 속도를 향상시키는 방법을 개발한다.
• 정적 분석으로 모델 유도가 비현실적이거나 불가능한 실제 응용 환경에서 CPS 성질의 실용적 검증을 가능하게 한다.
• 제어 메커니즘을 통해 시스템 행동에 동적으로 적응하는 확장 가능하고 강력한 통계적 시스템 체킹 프레임워크를 제공한다.

제안 방법

• 관측된 시스템 행동에서 데이터 기반 모델을 학습하기 위해 확률적 시스템 식별을 적용한다.
• 관심 있는 성질을 만족하는 희귀하지만 중요한 시스템 경로로 향하는 표본 추출 과정을 편향시키기 위해 중요도 표본 추출을 적용한다.
• 검증 중인 성질과 관련성이 높은 상태 공간 영역에 표본 추출을 반복적으로 정밀화하고 집중하기 위해 중요도 분할을 사용한다.
• 실시간 성능 지표와 시스템 반응에 기반해 표본 추출 전략을 동적으로 조정하기 위해 피드백 제어 메커니즘을 통합한다.
• 제어 이론 원리를 통계적 추론과 융합하여 확률 추정의 안정성과 수렴 속도를 향상시킨다.
• 피드백 루프를 활용해 고분산 또는 낮은 확률의 사건 조건에서도 추정 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 피드백 제어 원리가 CPS에서 통계적 모델 체킹의 효율성을 향상시키는 데 효과적으로 적용될 수 있는가?
• RQ2 중요도 표본 추출과 중요도 분할이 제어 프레임워크에 어떻게 통합되어 희귀 사건 확률을 정확히 추정할 수 있는가?
• RQ3 복잡한 CPS 검증에서 정적 모델 유도를 대체하거나 보완하기 위해 확률적 시스템 식별이 어느 정도 가능할 수 있는가?
• RQ4 모델이 가용하지 않은 실제 CPS 응용 분야에서 제안된 방법이 희귀 사건에 대한 신뢰할 수 있는 확률 추정을 달성할 수 있는가?
• RQ5 복잡하고 동적인 환경에서 기존의 통계적 모델 체킹 기법에 비해 FC-SSC는 효율성과 정확도 측면에서 어떻게 비교되는가?

주요 결과

• FC-SSC는 기존 방법이 고분산 또는 해석이 불가능한 모델로 인해 실패하는 사이버-물리 시스템에서 희귀 사건 확률의 효율적이고 정확한 추정을 가능하게 한다.
• 통계적 모델 체킹에 피드백 제어를 통합함으로써 표본 추출 효율성과 수렴 속도가 크게 향상된다.
• 두 가지 예시 응용 분야에서 복잡한 CPS 행동을 성공적으로 처리하여, 모델 불확실성에도 불구하고 실용적 유용성을 입증한다.
• FC-SSC는 실제 CPS 시나리오에서 희귀 사건 확률의 확장 가능하고 신뢰할 수 있는 추론을 달성한 최초의 통계적 시스템 체커이다.
• 제어 메커니즘을 통해 표본 추출 전략을 동적으로 적응시킴으로써 표준 통계적 모델 체킹보다 뛰어난 성능을 발휘한다.
• 확률적 시스템 식별을 통해 데이터로부터 모델을 학습할 수 있어, 정적 분석이 비현실적인 경우에도 적용 가능하다.