[论文解读] Combining Explicit and Symbolic Approaches for Better On-the-Fly LTL Model Checking

Alexandre Duret-Lutz, Kaïs Klai+2 more|arXiv (Cornell University)|Jun 28, 2011

Formal Methods in Verification参考文献 16被引用 5

一句话总结

本文提出了两种新颖的混合LTL模型检测技术——符号观测产品（SOP）与自环聚合产品（SLAP）——结合了显式运行时图构建与符号状态聚合。SOP通过在B"uchi自动机遍历过程中动态缩减观测的原子命题，实现状态空间的压缩；SLAP则利用B"uchi自动机中的自环，使即使在非停顿不变性质上也能实现停顿优化。两种方法在速度和成功率方面均优于现有方法，尤其在空产品情形下表现更佳，其中SLAP-FST展现出最佳整体性能。

ABSTRACT

We present two new hybrid techniques that replace the synchronized product used in the automata-theoretic approach for LTL model checking. The proposed products are explicit graphs of aggregates (symbolic sets of states) that can be interpreted as Büchi automata. These hybrid approaches allow on the one hand to use classical emptiness-check algorithms and build the graph on-the-fly, and on the other hand, to have a compact encoding of the state space thanks to the symbolic representation of the aggregates. The Symbolic Observation Product assumes a globally stuttering property (e.g., LTL \ X) to aggregate states. The Self-Loop Aggregation Product} does not require the property to be globally stuttering (i.e., it can tackle full LTL), but dynamically detects and exploits a form of stuttering where possible. Our experiments show that these two variants, while incomparable with each other, can outperform other existing approaches.

研究动机与目标

• 通过结合显式与符号技术，解决LTL模型检测中的状态空间爆炸问题。
• 在保持紧凑状态空间表示的同时，实现运行时的空性检查。
• 通过动态自环分析，将基于停顿的优化扩展至非停顿不变性质。
• 与现有符号与显式方法相比，提升LTL验证的性能并降低失败率。

提出的方法

• 提出符号观测产品（SOP），通过在B"uchi自动机遍历过程中动态减少观测的原子命题集合，对符号观测图（SOG）进行泛化。
• 引入自环聚合产品（SLAP），当系统状态与B"uchi自动机中的自环标签兼容时，对其进行聚合，从而实现在运行时的停顿优化。
• 使用符号集合表示聚合状态，实现紧凑的状态空间编码与高效的不动点计算。
• 在符号聚合的显式图上应用经典空性检查算法，一旦发现反例即可实现早期终止。
• 利用B"uchi自动机中自环标签的析取式，检测并利用动态停顿行为。
• 在混合框架中实现两种技术，保留了运行时构建与符号压缩的优势。

实验结果

研究问题

• RQ1 动态缩减观测原子命题是否能提升运行时LTL模型检测的效率？
• RQ2 B"uchi自动机中的自环分析是否能实现对非停顿不变LTL性质的有效状态聚合？
• RQ3 与纯符号或显式方法相比，混合显式-符号方法在性能与成功率方面表现如何？
• RQ4 能否有效结合运行时空性检查与符号状态聚合，以减少状态空间并加速验证？

主要发现

• SLAP-FST在速度与成功率方面均优于所有其他方法，包括EL与OWCTY，尤其在空产品情形下表现突出。
• SOP在SOG技术基础上实现改进，并在存在反例时优于完全符号化算法如EL与OWCTY。
• 在空产品场景中，SLAP-FST始终优于SOP；而在部分非空情形下，SOP可能因DFS遍历顺序更优而更快。
• BCZ仅在BEEM模型与随机生成的next-Operator公式下表现良好，但在停顿不变情形的空产品上显著失败。
• SOP与SLAP-FST的组合具有互补性：SLAP-FST失败率更低且整体性能更优，而SOP可解决SLAP-FST无法处理的部分实例。
• 该混合方法实现了高效的运行时验证与符号压缩，相比传统方法显著降低了内存占用与运行时间。