[論文レビュー] Formal Data Validation with Event-B

Frédéric Badeau, Marielle Doche-Petit|arXiv (Cornell University)|Oct 26, 2012

Advanced Database Systems and Queries参考文献 1被引用数 9

ひとこと要約

本稿では、メトロCBTCシステムにおける安全確保が求められる設定データに対して、Event-Bを用い、RodinプラグインとProBの二重ツールチェーンを組み合わせた形式的データ検証手法を提示する。設定データとその性質を形式的にモデル化することで、数百万件のデータ要素を数分で自動的かつ信頼性高く検証可能となり、独立したツール間での相互検証により高い信頼性が得られる。

ABSTRACT

This article presents a verification and validation activity performed in an industrial context, to validate configuration data of a metro CBTC system by creating a formal B model of these configuration data and of their properties. A double tool chain is used to safely check whether a certain given input of configuration data fulfill its properties. One tool is based on some Rodin and open source plug-ins and the other tool is based on ProB.

研究の動機と目的

• 大規模かつ安全確保が求められる設定データの検証を、非形式的または誤りの多い方法に依存せずに実施する課題に対処すること。
• データ構造と制約を形式的にモデル化することで、多様な機器間での設定データの正しさと一貫性を保証すること。
• ソフトウェアと設定データを分離することで、1つのソフトウェアバージョンを複数の設定に再利用可能とし、検証コストとリスクを低減すること。
• 形式的手法とツールチェーンに基づく評価を用いて、スケーラブルで自動的かつ形式的に検証可能な設定データセットの検証手法を提供すること。
• 鉄道輸送のような安全確保が求められる分野において、産業規模の設定データに対する形式的検証の実現可能性と効率性を示すこと。

提案手法

• 基本的なB型と述語を用いて、設定データとその性質をモデル化する。これには、集合、スカラ型、関数、関係が含まれる。
• XPath式を介して、実世界のXMLベースの設定データをB定数にマッピングし、データとモデルの間の形式的インターフェースを実現する。
• 二重ツールチェーンを用いる：1つはRodinのASTおよび述語評価プラグインに基づき、もう1つはProBモデルチェッカーに基づく。両者は独立して述語の満たしを評価する。
• 閉包や大規模な整数集合における直積演算などの複雑な操作に対して、遅延評価戦略を採用することで評価のパフォーマンスを最適化する。
• 複雑な性質の検証と、開発サイクルの初期段階での微細なモデル化エラーの特定のため、ユニットテストと同僚レビューを実装する。
• XMLからバイナリ、バイナリからXMLへの変換器を構築し、検証することで、データ変換の正しさを保証する。

実験結果

リサーチクエスチョン

• RQ1 形式的手法をどのようにして産業システムにおける大規模かつ安全確保が求められる設定データの検証に効果的に適用できるか？
• RQ2 RodinとProBを組み合わせた二重ツールチェーンアプローチは、実装の違いがあるにもかかわらず、検証結果に対する高い信頼性を確保できるか？
• RQ3 設定データの性質を形式的にモデル化することで、非形式的または手動による検証に依存する度合いをどの程度低減できるか？
• RQ4 数百万個の整数を含む設定データセットを形式的述語評価で検証する際、達成可能なパフォーマンス特性はどのようなものか？
• RQ5 複雑なデータ制約の効率的デバッグと検証を可能にするために、モデル化プロセスをどのように構造化できるか？

主な発見

• 形式的モデル化アプローチにより、B言語で必要なすべてのデータ性質を正確に捉えることができ、非形式的または外部の検証の必要がなくなった。
• 二重ツールチェーンにより、独立したツール間で一貫した結果が得られ、実装の違いがあるにもかかわらず検証結果に対する信頼性が著しく向上した。
• 数百万個の整数を含む設定データセットの検証が数分で完了した。これは、高いスケーラビリティを示している。
• 閉包および大規模な整数集合における直積演算の評価において、即時評価から遅延評価戦略に切り替えることでパフォーマンスが向上した。
• ユニットテストと同僚レビューにより、常に空集合を返す定義といった深刻なモデル化エラーが発見され、これは誤検出を引き起こす要因になっていた。
• 独自に開発した安全確保が求められる検証ツールよりも、本アプローチは効率的かつ信頼性が高く、開発および保守コストを削減した。