論文の概要: Requirement falsification for cyber-physical systems using generative
models
- arxiv url: http://arxiv.org/abs/2310.20493v1
- Date: Tue, 31 Oct 2023 14:32:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 14:42:54.817256
- Title: Requirement falsification for cyber-physical systems using generative
models
- Title(参考訳): 生成モデルを用いたサイバー物理システムの要件改ざん
- Authors: Jarkko Peltom\"aki and Ivan Porres
- Abstract要約: OGANは、システムが運用される前に設計、ソフトウェア、ハードウェアの欠陥を明らかにするシステムの安全性の反例となるインプットを見つけることができる。
OGANはアトミックにテストを実行し、テスト中のシステムの以前のモデルを必要としない。
OGANは、ほとんど努力せずに新しいシステムに適用でき、テスト中のシステムの要件がほとんどなく、最先端のCPSファルシフィケーション効率と有効性を示す。
- 参考スコア(独自算出の注目度): 1.90365714903665
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present the OGAN algorithm for automatic requirement falsification of
cyber-physical systems. System inputs and output are represented as piecewise
constant signals over time while requirements are expressed in signal temporal
logic. OGAN can find inputs that are counterexamples for the safety of a system
revealing design, software, or hardware defects before the system is taken into
operation. The OGAN algorithm works by training a generative machine learning
model to produce such counterexamples. It executes tests atomically and does
not require any previous model of the system under test. We evaluate OGAN using
the ARCH-COMP benchmark problems, and the experimental results show that
generative models are a viable method for requirement falsification. OGAN can
be applied to new systems with little effort, has few requirements for the
system under test, and exhibits state-of-the-art CPS falsification efficiency
and effectiveness.
- Abstract(参考訳): 我々は,OGANアルゴリズムを用いて,サイバー物理システムの自動要求ファルシフィケーションを提案する。
システム入力と出力は時間とともに断片的に定数信号として表現され、要求は信号時論理で表現される。
OGANは、システムが運用される前に設計、ソフトウェア、ハードウェアの欠陥を明らかにするシステムの安全性の反例となる入力を見つけることができる。
OGANアルゴリズムは、生成機械学習モデルをトレーニングして、このような反例を生成する。
アトミックにテストを実行し、テスト中のシステムの以前のモデルを必要としない。
我々は,ARCH-COMPベンチマーク問題を用いてOGANを評価し,生成モデルが要求ファルシフィケーションの有効な方法であることを示す。
OGANは、ほとんど努力せずに新しいシステムに適用でき、テスト中のシステムの要件がほとんどなく、最先端のCPSファルシフィケーション効率と有効性を示す。
関連論文リスト
- Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳(メタデータ) (2023-08-25T15:25:57Z) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳(メタデータ) (2023-04-21T02:20:24Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳(メタデータ) (2022-10-08T04:32:58Z) - Falsification of Cyber-Physical Systems using Bayesian Optimization [0.5407319151576264]
シミュレーションに基づくCPSのファルシフィケーションは、システムの正確性に対する信頼性を高めるための実用的なテスト手法である。
各シミュレーションは典型的に計算集約的であるため、仕様をファルシフィケーションするために必要なシミュレーションの数を減らすことが重要なステップである。
本研究では,入力信号のパラメトリゼーションと仕様評価の関係を記述したサロゲートモデルを,サンプル効率で学習するベイズ最適化(BO)について検討する。
論文 参考訳(メタデータ) (2022-09-14T15:52:19Z) - Variational framework for partially-measured physical system control:
examples of vision neuroscience and optical random media [0.294656234307089]
物理システムから所望の目標出力を得るための学習手順を提案する。
本研究では,変分自動エンコーダ(VAE)を用いてシステム機能の生成モデルを提案する。
光学物理学と神経科学の2つのデータセットに対する本手法の適用性について紹介する。
論文 参考訳(メタデータ) (2021-10-25T19:25:42Z) - Active Learning of Markov Decision Processes using Baum-Welch algorithm
(Extended) [0.0]
本稿では,マルコフ決定過程とマルコフ連鎖を学習するためのBaum-Welchアルゴリズムを再検討し,適応する。
本研究では,本手法を最先端のツールと実証的に比較し,提案手法が正確なモデルを得るために必要な観測回数を大幅に削減できることを実証する。
論文 参考訳(メタデータ) (2021-10-06T18:54:19Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳(メタデータ) (2020-12-07T11:02:44Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳(メタデータ) (2020-10-29T08:27:43Z)
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。