[논문 리뷰] Putting Strong Linearizability in Context: Preserving Hyperproperties in Programs that Use Concurrent Objects.

Hagit Attiya, Constantin Enea|arXiv (Cornell University)|2019. 01. 01.

Distributed systems and fault tolerance인용 수 6

한 줄 요약

이 논문은 강한 관찰적 개선을 강력한 일반화된 프레임워크로 도입하여, 구체적 객체를 사용해 동시 프로그램을 검증할 때 초월성질(예: 보안 성질 및 확률 분포)을 유지한다. 강한 관찰적 개선이 정방향 시뮬레이션과 동치임을 증명하고, 강한 선형화 가능성을 일반화함으로써 강한 선형화 가능성을 갖는 암시의 수직적 및 수평적 조합을 가능하게 한다.

ABSTRACT

It has been observed that linearizability, the prevalent consistency condition for implementing concurrent objects, does not preserve some probability distributions. A stronger condition, called strong linearizability has been proposed, but its study has been somewhat ad-hoc. This paper investigates strong linearizability by casting it in the context of observational refinement of objects. We present a strengthening of observational refinement, which generalizes strong linearizability, obtaining several important implications. When a concrete concurrent object refining another, more abstract object - often sequential - the correctness of a program employing the concrete object can be verified by considering its behaviors when using the more abstract object. This means that trace properties of a program using the concrete object can be proved by considering the program with the abstract object. This, however, does not hold for hyperproperties, including many security properties and probability distributions of events. We define strong observational refinement, a strengthening of refinement that preserves hyperproperties, and prove that it is equivalent to the existence of forward simulations. We show that strong observational refinement generalizes strong linearizability. This implies that strong linearizability is also equivalent to forward simulation, and shows that strongly linearizable implementations can be composed both horizontally (i.e., locality) and vertically (i.e., with instantiation). For situations where strongly linearizable implementations do not exist (or are less efficient), we argue that reasoning about hyperproperties of programs can be simplified by strong observational refinement of abstract objects that are not necessarily sequential.

연구 동기 및 목표

• 동시 프로그램에서 확률 분포 및 보안 성질과 같은 초월성질을 유지하는 데에 선형화 가능성이 제한됨을 해결하기 위해.
• 추상 객체를 구체적 동시 구현으로 대체할 때 초월성질의 정확성을 보장하는 더 강력한 개선 관계를 체계화하기 위해.
• 관찰적 개선의 프레임워크 내에서 강한 선형화 가능성을 더 넓은 이론적 틀로 일반화하기 위해.
• 구체적 동시 객체를 사용한 프로그램 검증 과정에서 초월성질이 어떻게 유지되는지 조건을 설정하기 위해.
• 강한 선형화 가능성을 갖는 암시의 수직적(예: 추상 객체의 인스턴스화) 및 수평적(예: 국소성 기반) 조합을 가능하게 하기 위해.

제안 방법

• 초월성질을 유지하는 관찰적 개선의 강화판으로서 강한 관찰적 개선을 도입하기 위해.
• 정방향 시뮬레이션을 강한 관찰적 개선의 특성화로 정의하고, 그 상호 동치성을 증명하기 위해.
• 강한 관찰적 개선의 프레임워크에 강한 선형화 가능성을 통합함으로써 그 일반화를 위해.
• 강한 관찰적 개선이 추적 성질 및 초월성질(확률적 및 보안 관련 성질 포함)을 유지함을 보여주기 위해.
• 강한 관찰적 개선이 강한 선형화 가능성을 갖는 암시의 수직적 조합(예: 추상 객체의 인스턴스화)과 수평적 조합(예: 동시 시스템의 모듈식 구축)을 모두 지원함을 보여주기 위해.
• 강한 선형화 가능성을 갖는 암시가 존재하지 않거나 비효율적일 경우, 비순차적 추상 객체에 대한 강한 관찰적 개선을 통해 동시 프로그램에서 초월성질에 대한 추론을 단순화할 수 있음을 주장하기 위해.

실험 결과

연구 질문

• RQ1 선형화 가능성이 동시 프로그램에서 확률 분포 및 보안 성질과 같은 초월성질을 유지하도록 확장될 수 있는가?
• RQ2 관찰적 개선보다 더 강력한 형식적 개선 관계가 존재하여 동시 객체 구현에서 초월성질을 유지할 수 있는가?
• RQ3 강한 관찰적 개선은 정방향 시뮬레이션과 어떻게 관련되어 있으며, 이 동치성은 형식적으로 증명될 수 있는가?
• RQ4 강한 선형화 가능성이 더 넓은 이론적 틀에서 조합적 추론을 지원하는 데서 일반화될 수 있는가?
• RQ5 비순차적 추상 객체를 사용한 프로그램 검증에서 초월성질이 유지되는 조건은 무엇인가?

주요 결과

• 강한 관찰적 개선은 정방향 시뮬레이션의 존재와 동치이며, 이는 개선 관계의 형식적이고 운영적인 특성화를 제공한다.
• 강한 선형화 가능성이 강한 관찰적 개선에 의해 포함되며, 이는 더 넓은 이론적 틀 내에서 특수한 경우임을 의미한다.
• 강한 관찰적 개선은 강한 선형화 가능성을 갖는 암시의 수직적 및 수평적 조합을 가능하게 하여 모듈식이고 확장 가능한 검증을 지원한다.
• 이 프레임워크는 비순차적 추상 객체를 갖는 프로그램에서 구체적 동시 객체를 사용한 검증을 가능하게 하며, 이는 그 추상 대응체를 고려함으로써 이루어진다.
• 강한 선형화 가능성을 갖는 암시가 실용적이지 않거나 비효율적일 경우, 여전히 추상 객체에 대한 강한 관찰적 개선을 통해 동시 프로그램에서 초월성질에 대한 추론을 단순화할 수 있다.
• 결과적으로 초월성질(예: 확률적 행동 및 보안 정책)이 강한 관찰적 개선 하에서 유지됨을 입증함으로써, 표준 선형화 가능성이 지닌 핵심적 한계를 해결한다.