[논문 리뷰] Parametric Dependability Analysis through Probabilistic Horn Abduction

Andrea Bobbio, Stefania Montani외 1명|arXiv (Cornell University)|2012. 10. 19.

Software Reliability and Analysis Research참고 문헌 10인용 수 6

한 줄 요약

이 논문은 매개변수화된 고장수목(PFTs)을 확률적 히든 추론(PHA) 프레임워크로 매핑하여, 전개 없이도 부동일성 시스템을 직접 분석할 수 있도록 하는 새로운 접근법을 제안한다. 이 방법은 상태공간 폭발 문제와 통계적 독립성 가정을 피하면서도, 정량적·정성적 내구성 측정치, 노이즈가 있는 게이트, 국소적 의존성, 사후 확률 분석을 포함한 고밀도의 매개변수화된 표현을 통해 효율적인 분석을 가능하게 한다.

ABSTRACT

Dependability modeling and evaluation is aimed at investigating that a system performs its function correctly in time. A usual way to achieve a high reliability, is to design redundant systems that contain several replicas of the same subsystem or component. State space methods for dependability analysis may suffer of the state space explosion problem in such a kind of situation. Combinatorial models, on the other hand, require the simplified assumption of statistical independence; however, in case of redundant systems, this does not guarantee a reduced number of modeled elements. In order to provide a more compact system representation, parametric system modeling has been investigated in the literature, in such a way that a set of replicas of a given subsystem is parameterized so that only one representative instance is explicitly included. While modeling aspects can be suitably addressed by these approaches, analytical tools working on parametric characterizations are often more difficult to be defined and the standard approach is to 'unfold' the parametric model, in order to exploit standard analysis algorithms working at the unfolded 'ground' level. Moreover, parameterized combinatorial methods still require the statistical independence assumption. In the present paper we consider the formalism of Parametric Fault Tree (PFT) and we show how it can be related to Probabilistic Horn Abduction (PHA). Since PHA is a framework where both modeling and analysis can be performed in a restricted first-order language, we aim at showing that converting a PFT into a PHA knowledge base will allow an approach to dependability analysis directly exploiting parametric representation. We will show that classical qualitative and quantitative dependability measures can be characterized within PHA. Furthermore, additional modeling aspects (such as noisy gates and local dependencies) as well as additional reliability measures (such as posterior probability analysis) can be naturally addressed by this conversion. A simple example of a multi-processor system with several replicated units is used to illustrate the approach.

연구 동기 및 목표

• 부동일성 시스템의 내구성 분석에서 발생하는 상태공간 폭발 문제를 해결하기 위해.
• 통계적 독립성 가정에 의존하는 조합 모델의 한계를 극복하기 위해.
• 기본 모델로 전개하지 않고도 매개변수화된 시스템 모델을 직접 분석할 수 있도록 하기 위해.
• 노이즈가 있는 게이트 및 매개변수화된 고장수목에서의 국소적 의존성과 같은 고도의 모델링 기능을 지원하기 위해.
• 확률적 추론을 활용하여 정성적 및 정량적 내구성 측정치를 통합적으로 제공하는 프레임워크를 마련하기 위해.

제안 방법

• 제한된 일阶논리 언어를 사용하여 매개변수화된 고장수목(PFTs)을 확률적 히든 추론(PHA) 지식 기반으로 매핑하기.
• PHA 프레임워크 내에서 시스템 구성요소와 고장 사건을 확률이 할당된 논리 원자로 표현하기.
• PHA의 추론 기반 추론 메커니즘을 활용하여 매개변수화된 모델에서 직접적으로 시스템 신뢰도 및 고장 확률을 계산하기.
• 논리 규칙과 확률적 진술을 통해 의존성 및 부동일성 구조를 표현하기.
• 시스템 수준의 관측 결과를 바탕으로 구성요소 상태를 추론하기 위해 추론 질의를 통해 사후 확률 분석 지원하기.
• 분석 전반에 걸쳐 매개변수화된 추상화를 유지하여 상태공간 폭발을 방지하고 모델의 압축성을 유지하기.

실험 결과

연구 질문

• RQ1 매개변수화된 고장수목이 직접 분석이 가능한 확률적 논리 프레임워크로 효과적으로 변환될 수 있는가?
• RQ2 PHA 프레임워크가 부동일성 시스템에서의 노이즈가 있는 게이트 및 국소적 고장과 같은 복잡한 의존성을 처리할 수 있는가?
• RQ3 제안된 방법이 모델 전개 없이도 표준 내구성 측정치(예: 시스템 고장 확률)를 계산할 수 있는가?
• RQ4 사후 확률 분석이 매개변수화된 PHA 프레임워크 내에서 자연스럽게 지원될 수 있는가?
• RQ5 기존의 상태공간 기반 또는 조합 모델 대비 이 방법은 확장성과 정확도 면에서 유의미한가?

주요 결과

• PHA 프레임워크는 모델 전개 없이도 매개변수화된 고장수목의 직접 분석을 성공적으로 지원하며, 압축성을 유지한다.
• 기존의 내구성 측정치인 시스템 고장 확률 및 구조 함수는 모두 PHA 내의 추론 기반 추론을 통해 계산할 수 있다.
• 노이즈가 있는 게이트 및 국소적 의존성과 같은 모델링 확장 기능은 논리 규칙과 확률 진술을 통해 자연스럽게 지원된다.
• PHA의 질의 메커니즘 덕분에 사후 확률 분석이 자연스럽게 가능해져, 시스템 행동을 바탕으로 구성요소 상태를 추론할 수 있다.
• 기존의 조합 모델에서 흔히 사용되는 통계적 독립성 가정을 피함으로써 더 현실적인 고장 모델링이 가능해진다.
• 다중 프로세서 시스템 사례 연구를 통해 이 방법이 부동일성과 의존성 처리에 있어 실현 가능성과 표현력이 뛰어나다는 것이 입증되었다.