[論文レビュー] ARSENAL: Automatic Requirements Specification Extraction from Natural Language

Shalini Ghosh, Daniel Elenius+4 more|arXiv (Cornell University)|Mar 13, 2014

Advanced Software Engineering Methodologies参考文献 39被引用数 4

ひとこと要約

ARSENAL は自然言語要件を自然言語処理（NLP）と形式手法を用いて形式的モデルに変換する自動フレームワークであり、整合性と実装可能性の検証を可能にする。要件を SAL 遷移系と LTL 論理にマッピングし、最小限の監視で 30 件以上の自然言語文から完全なモデル生成を達成した。また、境界付きモデルチェックを用いて TTEthernet 規格の重要な欠落した環境仮定を特定した。

ABSTRACT

Requirements are informal and semi-formal descriptions of the expected behavior of a complex system from the viewpoints of its stakeholders (customers, users, operators, designers, and engineers). However, for the purpose of design, testing, and verification for critical systems, we can transform requirements into formal models that can be analyzed automatically. ARSENAL is a framework and methodology for systematically transforming natural language (NL) requirements into analyzable formal models and logic specifications. These models can be analyzed for consistency and implementability. The ARSENAL methodology is specialized to individual domains, but the approach is general enough to be adapted to new domains.

研究の動機と目的

• 要件工学において自然言語の明確さと形式的モデルの正確さを組み合わせる手法を開発すること。
• 非形式的な自然言語要件を、安全で重要なシステムにおける検証に適した解析可能な形式的モデルに自動変換すること。
• 人間が関与する反復的精練を可能にすることで、設計コストを低減し、システム開発における保証性を向上させること。
• 一般化可能なフレームワークを用いて、ドメイン固有の要件を新たなドメインに適応可能にすること。
• 形式的検証を用いて、文書に記載されていないことが多い暗黙の環境仮定を特定すること。

提案手法

• ドメイン固有およびドメインに依存しないルールを用いて、語彙、算術式、複雑なフレーズを正規化するための自然言語要件の前処理。
• 入力文内のエンティティ間の文法的関係を生成するために、スタンフォードのタイプ付き従属解析器を適用。
• 手動で定義された型ルールを備えた意味処理モジュールを用い、構文的依存関係を意味を持つ組み込みの意味を持つ述語にマッピング。
• タイプ付き依存関係と意味的アノテーションから述語グラフを構築し、要件の論理的構造を表現。
• 述語グラフを中間形式的表現に変換し、その後 SAL 遷移系と LTL 公式にマッピング。
• 生成された形式的モデルが指定された時相論理的性質を満たすかを検証するために、境界付きモデルチェックを採用。

実験結果

リサーチクエスチョン

• RQ1 自然言語要件を最小限の人的監視で、体系的かつ正確に形式的モデルに変換できるか？
• RQ2 生成された形式的モデルは、元の自然言語記述には明示されていない整合性の欠如や欠落した仮定を検出できるか？
• RQ3 ARSENAL パイプラインは、自然言語要件の多数から完全で解析可能なモデルを効果的に生成できるか？
• RQ4 ARSENAL は、検証に不可欠だが文書に記載されていない暗黙の環境制約を特定できるか？
• RQ5 最小限の再設定で、新しいドメインにフレームワークを適応できる程度はどの程度か？

主な発見

• ARSENAL は、安全で重要なドメインにおける 30 件以上の自然言語要件から、完全な形式的モデルを正常に生成し、単純な例をはるかに超えるスケーラビリティを示した。
• フレームワークは TTEthernet 規格における欠落した仮定を特定した：エンドシステムが無限に頻繁に coldstart_frames を受信しないこと。この仮定が、状態遷移の検証に不可欠であった。
• 生成されたモデルに対する境界付きモデルチェックにより、ローカルタイマーのリセットが ES_FLOOD_state からの脱出を妨げる反例が明らかになった。これは、モデルの正しさが欠落した仮定の下でのみ成立することを示した。
• 型ルールを備えた意味処理モジュールにより、複雑な言語的構造を形式的述語に正確にマッピングでき、LTL の意味論を保持した。
• 自然言語入力から形式的モデルおよび検証まで、エンドツーエンドの自動化を達成し、初期設計段階における人的作業を削減した。
• 自然言語要件の自動形式化が、自然言語だけでは見過ごされがちな、微妙だが極めて重要なシステム動作上の欠陥を露呈できることを示した。