[论文解读] Analysis and Transformation Tools for Constrained Horn Clause Verification

John P. Gallagher, Bishoksan Kafle|arXiv (Cornell University)|May 15, 2014

Logic, programming, and type systems被引用 6

一句话总结

本文提出了一种基于组件的约束霍恩子句（CHC）验证工具链，通过整合约束逻辑编程（CLP）领域的现成技术，包括抽象解释、语义保持变换、程序特化以及查询-答案变换。该方法在基准问题上实现了高验证成功率，且无需定制算法，表明通过组合现有CLP分析工具可有效解决复杂的CHC验证任务。

ABSTRACT

Several techniques and tools have been developed for verification of properties expressed as Horn clauses with constraints over a background theory (CHC). Current CHC verification tools implement intricate algorithms and are often limited to certain subclasses of CHC problems. Our aim in this work is to investigate the use of a combination of off-the-shelf techniques from the literature in analysis and transformation of Constraint Logic Programs (CLPs) to solve challenging CHC verification problems. We find that many problems can be solved using a combination of tools based on well-known techniques from abstract interpretation, semantics-preserving transformations, program specialisation and query-answer transformations. This gives insights into the design of automatic, more general CHC verification tools based on a library of components.

研究动机与目标

• 探究约束逻辑编程（CLP）中既有的技术是否可组合成一种高效、通用的CHC验证工具链。
• 解决现有CHC验证工具常局限于特定问题子类的局限性。
• 探索基于可重用变换与分析组件库的自动、可扩展CHC验证系统的设计方法。
• 评估组合标准CLP技术（如抽象解释与程序特化）解决复杂CHC验证问题的有效性。

提出的方法

• 该方法采用模块化工具链，由现成的CLP分析与变换工具组成，包括用于抽象解释的凸多面体分析。
• 应用语义保持变换，如冗余参数过滤与查询-答案变换，以简化和特化CHC程序。
• 集成程序特化技术，基于特定目标细化谓词答案，提升验证的精度。
• 采用预处理管道，包括约束简化以及将完整性约束转换为等价的CHC形式。
• 在多样化的CHC验证基准上评估工具链，成功与否以证明false不可推导为准。
• 架构通过潜在集成精化循环与基于属性的抽象，受CEGAR启发，支持可扩展性。

实验结果

研究问题

• RQ1 能否通过组合标准CLP分析与变换技术，有效解决广泛的CHC验证问题？
• RQ2 现成工具如凸多面体分析与查询-答案变换在CHC约束验证中发挥何种作用？
• RQ3 结合多种变换技术（如展开、拆分与特化）对验证成功率与可扩展性有何影响？
• RQ4 基于组件的架构在基准问题上在多大程度上优于单体CHC验证工具？

主要发现

• 该工具链成功验证了32个基准问题中的28个，包括p12.pl和amebsa.smt2等复杂示例。
• 凸多面体分析与预处理的结合显著提升了验证管道的精度与可扩展性。
• 该方法无需迭代精化或定制抽象技术即实现验证，表明有效不变式可通过标准CLP分析推导得出。
• 查询-答案变换与冗余参数过滤的使用实现了有效的程序特化，减少了false推导的搜索空间。
• 结果表明，通过合理组织现有CLP工具的组合，可实现与专用CHC验证框架相媲美甚至更优的性能。