論文の概要: Stateless and Rule-Based Verification For Compliance Checking Applications

• arxiv url: http://arxiv.org/abs/2204.07430v1
• Date: Thu, 14 Apr 2022 17:31:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-19 03:48:04.763200
• Title: Stateless and Rule-Based Verification For Compliance Checking Applications
• Title（参考訳）: コンプライアンスチェックアプリケーションのためのステートレスおよびルールベース検証
• Authors: Mohammad Reza Besharati, Mohammad Izadi, Ehsaneddin Asgari
• Abstract要約: 本稿では,インテリジェントなコンプライアンスチェックシステムを構築するための形式的な論理ベースのフレームワークを提案する。 SARVは、ステートレスおよびルールベースの検証問題の全体的な検証プロセスを単純化するために設計された検証フレームワークである。 300のデータ実験に基づいて、SARVベースのコンプライアンスソリューションは、3125レコードのソフトウェア品質データセット上で機械学習メソッドよりも優れています。
• 参考スコア（独自算出の注目度）: 1.7403133838762452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underlying computational model has an important role in any computation. The state and transition (such as in automata) and rule and value (such as in Lisp and logic programming) are two comparable and counterpart computational models. Both of deductive and model checking verification techniques are relying on a notion of state and as a result, their underlying computational models are state dependent. Some verification problems (such as compliance checking by which an under compliance system is verified against some regulations and rules) have not a strong notion of state nor transition. Behalf of it, these systems have a strong notion of value symbols and declarative rules defined on them. SARV (Stateless And Rule-Based Verification) is a verification framework that designed to simplify the overall process of verification for stateless and rule-based verification problems (e.g. compliance checking). In this paper, a formal logic-based framework for creating intelligent compliance checking systems is presented. We define and introduce this framework, report a case study and present results of an experiment on it. The case study is about protocol compliance checking for smart cities. Using this solution, a Rescue Scenario use case and its compliance checking are sketched and modeled. An automation engine for and a compliance solution with SARV are introduced. Based on 300 data experiments, the SARV-based compliance solution outperforms famous machine learning methods on a 3125-records software quality dataset.
• Abstract（参考訳）: 下位の計算モデルは、あらゆる計算において重要な役割を果たす。 状態と遷移(オートマトンなど)とルールと値(Lispや論理プログラミングなど)は、同等で同等の2つの計算モデルである。 推論とモデル検査の両方の検証手法は状態の概念に依存しており、その結果、基礎となる計算モデルは状態に依存します。 いくつかの検証問題(例えば、規制や規則に対してアンダーコンプライアンスシステムが検証されるコンプライアンスチェック)は、状態や遷移の強い概念を持っていない。 いずれにせよ、これらのシステムには価値記号と宣言的ルールという強い概念がある。 SARV (Stateless And Rule-Based Verification) は、ステートレスおよびルールベースの検証問題(例えばコンプライアンスチェック)の検証プロセス全体を単純化するために設計された検証フレームワークである。 本稿では,インテリジェントなコンプライアンスチェックシステムを構築するための,論理ベースの形式的フレームワークを提案する。 我々は,この枠組みを定義し,導入し,ケーススタディを報告し,実験結果を提示する。 このケーススタディはスマートシティのプロトコルコンプライアンスチェックに関するものだ。 このソリューションを使用すると、Rescue Scenarioユースケースとそのコンプライアンスチェックがスケッチされ、モデル化される。 SARVによる自動化エンジンとコンプライアンスソリューションが導入される。 300のデータ実験に基づいて、sarvベースのコンプライアンスソリューションは、3125レコードのソフトウェア品質データセット上で有名な機械学習手法を上回る。

関連論文リスト

• Neural Model Checking [10.376573742987917]
  時間論理をモデル化するための機械学習手法を導入し,ハードウェアの形式的検証に適用する。 我々の新しいアプローチは、ニューラルネットワークを線形時間論理の形式証明証明として用いることによって、機械学習と記号推論を組み合わせる。 提案手法は,SystemVerilogで記述された標準的なハードウェア設計において,最先端の学術的,商業的なモデルチェッカーよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-31T10:17:04Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• Bisimulation Learning [55.859538562698496]
  我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。 提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
  論文  参考訳（メタデータ） (2024-05-24T17:11:27Z)
• Data-Driven Distributionally Robust Safety Verification Using Barrier Certificates and Conditional Mean Embeddings [0.24578723416255752]
  問題を非現実的な仮定にシフトすることなく,スケーラブルな形式検証アルゴリズムを開発する。 問題を非現実的な仮定にシフトさせることなく,スケーラブルな形式検証アルゴリズムを開発するためには,バリア証明書の概念を用いる。 本稿では,2乗法最適化とガウス過程エンベロープを用いて効率よくプログラムを解く方法を示す。
  論文  参考訳（メタデータ） (2024-03-15T17:32:02Z)
• Early Verification of Legal Compliance via Bounded Satisfiability Checking [4.304202636346692]
  計量一階時間論理(MFOTL)は、法的な性質を特定するためのリッチな形式主義を提供する。 MFOTLをベースとした早期システム開発における検証のためのソリューションは存在しない。 MFOTLの実用的,健全かつ完全満足度チェック手法を提案する。
  論文  参考訳（メタデータ） (2022-09-08T22:41:40Z)
• Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version) [67.99023219822564]
  我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。 RABは両方の制限を解除することで既存のモデルを一般化する。 データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-08-12T17:03:50Z)
• Value-Consistent Representation Learning for Data-Efficient Reinforcement Learning [105.70602423944148]
  本稿では,意思決定に直接関連のある表現を学習するための,VCR(Value-Consistent Expression Learning)という新しい手法を提案する。 この想像された状態と環境によって返される実状態とを一致させる代わりに、VCRは両方の状態に$Q$-valueヘッドを適用し、2つのアクション値の分布を得る。 検索不要なRLアルゴリズムに対して,提案手法が新たな最先端性能を実現することが実証された。
  論文  参考訳（メタデータ） (2022-06-25T03:02:25Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Complete Agent-driven Model-based System Testing for Autonomous Systems [0.0]
  複雑な自律輸送システムをテストするための新しいアプローチについて述べる。 検証と検証に関して最も重大な問題のいくつかを軽減することを目的としている。
  論文  参考訳（メタデータ） (2021-10-25T01:55:24Z)
• Compliance checking in reified IO logic via SHACL [0.0]
  Reified Input/Output (I/O) logic[21]は、[11]の論理の観点で現実世界の規範をモデル化するために最近提案されている。 本稿では,I/O 論理式を改訂した上でコンプライアンスチェックを行う手法を提案する。
  論文  参考訳（メタデータ） (2021-10-13T21:09:47Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。