[论文解读] Monitoring Constraints and Metaconstraints with Temporal Logics on Finite Traces

Giuseppe De Giacomo, Riccardo De Masellis+2 more|arXiv (Cornell University)|Apr 4, 2020

Business Process Modeling and Analysis被引用 4

一句话总结

本文提出了一种形式化且实用的框架，用于使用 LDL_f（LTL_f 的强大扩展，可捕捉有限迹上的单元二阶逻辑）对有限迹上的线性时序逻辑约束和元约束进行监控。通过将 LDL_f 公式直接转换为非确定性有限状态自动机，并利用四值运行时验证语义（永久/临时满足/违反），该方法实现了对约束和元约束的声明式规范——通过标准自动机理论技术实现正确性构造，无需定制算法。

ABSTRACT

Runtime monitoring is one of the central tasks in the area of operational decision support for business process management. In particular, it helps process executors to check on-the-fly whether a running process instance satisfies business constraints of interest, providing an immediate feedback when deviations occur. We study runtime monitoring of properties expressed in LTL on finite traces (LTLf), and in its extension LDLf. LDLf is a powerful logic that captures all monadic second order logic on finite traces, and that is obtained by combining regular expressions with LTLf, adopting the syntax of propositional dynamic logic (PDL). Interestingly, in spite of its greater expressivity, \LDLf has exactly the same computational complexity of LTLf. We show that LDLf is able to declaratively express, in the logic itself, not only the constraints to be monitored, but also the de-facto standard RV-LTL monitors. On the one hand, this enables us to directly employ the standard characterization of LDLf based on finite-state automata to monitor constraints in a fine-grained way. On the other hand, it provides the basis for declaratively expressing sophisticated metaconstraints that predicate on the monitoring state of other constraints, and to check them by relying on standard logical services instead of ad-hoc algorithms. In addition, we devise a direct translation of LDLf formulae into nondeterministic finite-state automata, avoiding to detour to Buchi automata or alternating automata. We then report on how this approach has been effectively implemented using Java to manipulate LDLf formulae and their corresponding monitors, and the well-known ProM process mining suite as underlying operational decision support infrastructure.

研究动机与目标

• 解决在有限迹上使用四值语义进行运行时验证（RV）时缺乏形式化、基于自动机的理论基础的问题。
• 将现有的 LTL_f 监控技术扩展至支持对其他约束监控状态进行推理的元约束。
• 提供 LDL_f 公式到非确定性有限状态自动机的直接、高效转换，避免通过 Büchi 或交替自动机等中间表示。
• 在可重用的 Java 库中实现该方法，并与 ProM 流程挖掘框架集成，以支持实际业务流程中的操作决策。
• 为将该框架扩展至一阶时序逻辑在有限迹上的数据感知监控奠定基础。

提出的方法

• 为 LDL_f 定义一种四值运行时验证语义，基于未来迹的延续，区分永久和临时满足/违反。
• 提出一种 LDL_f 公式到非确定性有限状态自动机（NFA）的直接转换，保留逻辑语义，无需依赖中间的 Büchi 或交替自动机表示。
• 利用 LDL_f 的自动机理论表征，为每个状态计算可达集，从而确定运行时验证语义中的四种真值（perm_true, perm_false, temp_true, temp_false）。
• 通过可执行自动机实现监控过程，该自动机维护当前状态，并在事件发生时逐步更新，每次转换后返回对应的 RV 真值。
• 利用 Tweety 库进行模型计算，使用 jautomata 库进行自动机操作（并集、交集、确定化、修剪），以支持公式分析和监控器生成。
• 将监控引擎集成到 ProM 流程挖掘框架中，以在业务流程管理中实现实时操作决策支持。

实验结果

研究问题

• RQ1 如何为有限迹上的四值运行时验证语义建立形式化、基于自动机的理论基础？
• RQ2 LDL_f 是否可用于声明式表达不仅包括对流程执行的约束，还包括对其他约束监控状态进行推理的元约束？
• RQ3 LDL_f 公式到有限状态自动机的高效且正确的直接转换方法是什么，且能支持四值 RV 语义？
• RQ4 如何将生成的监控器有效集成到现有操作决策支持系统（如 ProM）中？
• RQ5 该框架在处理一阶时序逻辑在有限迹上表达的数据感知约束方面有何前景？

主要发现

• 尽管 LDL_f 表达能力更强（等价于有限迹上的单元素二阶逻辑），其计算复杂度与 LTL_f 相同，因此适用于实际监控。
• 所提出的 LDL_f 到非确定性有限状态自动机的直接转换避免了对 Büchi 或交替自动机等中间表示的依赖，简化了监控流程。
• 通过从每个状态出发的可达性分析，四值运行时验证语义——即区分永久和临时满足/违反——可正确编码于自动机结构中。
• 该方法支持对其他约束监控状态进行断言的声明式元约束规范，例如：'如果约束 φ 当前处于临时违反状态，则约束 ψ 必须永久满足'。
• 在 Java 中的实现并集成到 ProM 中，证明了该方法在现实世界业务流程监控中的可行性与实用性。
• 该框架为将监控扩展至数据感知场景提供了坚实基础，其中事件携带有效载荷，且约束可随时间对数据值进行推理。