[논문 리뷰] Worst-Case Execution Time Calculation for Query-Based Monitors by Witness Generation

Márton Búr, Kristóf Marussy외 2명|arXiv (Cornell University)|2021. 02. 05.

Real-Time Systems Scheduling참고 문헌 70인용 수 4

한 줄 요약

이 논문은 실시간 사이버-물리 시스템에서 쿼리 기반 런타임 모니터에 대한 의미 인식형 최악 실행 시간(WCET) 분석 방법을 제안한다. 저수준 시간 분석을 그래프 솔버와 통합하여, 모니터 실행 시간을 최대화하는 워니스 입력 모델을 생성함으로써 안전하고 날카로운 WCET 추정치를 도출한다. 이는 aiT 및 OTAWA와 비교하여 실제 실시간 하드웨어에서 실험적으로 검증되었으며, 전통적 방법에 비해 향상된 정확도를 보였다.

ABSTRACT

Runtime monitoring plays a key role in the assurance of modern intelligent cyber-physical systems, which are frequently data-intensive and safety-critical. While graph queries can serve as an expressive yet formally precise specification language to capture the safety properties of interest, there are no timeliness guarantees for such auto-generated runtime monitoring programs, which prevents their use in a real-time setting. While worst-case execution time (WCET) bounds derived by existing static WCET estimation techniques are safe, they may not be tight as they are unable to exploit domain-specific (semantic) information about the input models. This paper presents a semantic-aware WCET analysis method for data-driven monitoring programs derived from graph queries. The method incorporates results obtained from low-level timing analysis into the objective function of a modern graph solver. This allows the systematic generation of input graph models up to a specified size (referred to as witness models) for which the monitor is expected to take the most time to complete. Hence the estimated execution time of the monitors on these graphs can be considered as safe and tight WCET. Additionally, we perform a set of experiments with query-based programs running on a real-time platform over a set of generated models to investigate the relationship between execution times and their estimates, and compare WCET estimates produced by our approach with results from two well-known timing analyzers, aiT and OTAWA.

연구 동기 및 목표

• 실시간 안전 중심 시스템에서 데이터 기반, 쿼리 기반 런타임 모니터에 대해 안전하고 날카로운 WCET 추정치의 부족을 해결하기 위해.
• 기존 정적 WCET 분석의 한계를 극복하기 위해, 입력 모델 내 도메인 특화 의미 정보를 활용하지 못하는 문제를 해결하기 위해.
• 모니터 실행 시간을 최대화하는 입력 그래프 모델(워니스 모델)을 생성하여 더 날카로운 WCET 범위를 확보하기 위해.
• 실시간 하드웨어에서 접근법을 검증하고, aiT 및 OTAWA와 같은 기존 도구의 WCET 추정치와 비교하기 위해.
• 표현력 있는 그래프 쿼리 기반 모니터를 하드 실시간 시스템에 구현할 수 있도록 공식적으로 타당하고 실용적인 시간 보장을 제공하기 위해.

제안 방법

• IPET 기반 도구(예: aiT, OTAWA)의 저수준 시간 분석을 현대적 그래프 솔버의 목적 함수에 통합한다.
• 솔버를 사용하여 모니터의 예상 실행 시간을 최대화하는 최대 지정 크기의 입력 그래프 모델(워니스 모델)을 체계적으로 생성한다.
• 입력 데이터에 대한 도메인 특화 제약 조건 및 의미 정보를 최적화 과정에 통합한다.
• 정적 분석과 모델 생성을 융합한 하이브리드 접근법을 통해 날카로운 WCET 추정치를 도출한다.
• 복잡한 쿼리뿐 아니라 무작위 그래프 구조의 모델도 생성하여 최악의 동작 행동을 테스트한다.
• 실시간 플랫폼에서 실제 실행 시간을 측정하고, aiT 및 OTAWA의 추정치와 비교하여 결과를 검증한다.

실험 결과

연구 질문

• RQ1 워니스 모델 생성이 쿼리 기반 런타임 모니터에 대해 안전하고 날카로운 WCET 추정치를 생성할 수 있는가?
• RQ2 저수준 시간 데이터와 고수준 의미 제약 조건을 통합함으로써 WCET 추정 정확도는 어떻게 향상되는가?
• RQ3 생성된 워니스 모델이 실제로 가장 긴 실행 시간을 기록하는가?
• RQ4 제안된 방법의 WCET 추정치는 aiT 및 OTAWA와 같은 기존 도구의 추정치와 비교해 어떻게 되는가?
• RQ5 부분 입력 데이터 및 메모리 레이아웃 모델링은 복잡한 쿼리에서 WCET 정밀도를 어느 정도 향상시킬 수 있는가?

주요 결과

• 제안된 방법은 모든 실험에서 가장 긴 실행 시간을 보인 워니스 모델을 일관되게 생성하여, 이러한 모델이 최악의 입력 시나리오를 효과적으로 대표함을 시사한다.
• 제안된 방법의 WCET 추정치는 기존 정적 분석 대비 현저히 날카로웠으며, 기준 도구 대비 과대 추정이 감소하였다.
• 메모리 레이아웃의 차이가 런타임에 영향을 주는 경우, aiT의 고정된 단일 메모리 레이아웃 기반 추정치보다 제안된 방법이 더 우수한 성능을 보였다.
• OTAWA의 추정치는 복잡한 쿼리에 대해 동적 제어 흐름이 포함된 경우 제안된 방법보다 정밀도가 떨어졌다.
• 의미 정보와 저수준 시간 데이터를 모델 생성에 통합함으로써 기존 접근법보다 더 정확한 WCET 범위를 도출할 수 있음을 입증하였다.
• 결과는 워니스 모델 생성이 데이터 집약적 실시간 모니터링 시스템에서 날카로운 WCET 범위를 확보하는 실현 가능하고 효과적인 전략임을 시사한다.