論文の概要: Error Propagation Analysis for Multithreaded Programs: An Empirical
Approach
- arxiv url: http://arxiv.org/abs/2312.16791v1
- Date: Thu, 28 Dec 2023 02:36:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 17:44:25.843438
- Title: Error Propagation Analysis for Multithreaded Programs: An Empirical
Approach
- Title(参考訳): マルチスレッドプログラムのエラー伝搬解析 : 経験的アプローチ
- Authors: Stefan Winter, Abraham Chan, Habib Saissi, Karthik Pattabiraman,
Neeraj Suri
- Abstract要約: フォールトインジェクションは、エラーに対するプログラムの堅牢性を測定するテクニックである。
EPAは通常、フォールトフリー(ゴールド)実行のトレースとプログラムの障害実行のトレースを比較します。
EPAのアプローチは、非決定論的ゴールデンランを持つマルチスレッドプログラムには当てはまらない。
- 参考スコア(独自算出の注目度): 7.1372356952003795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fault injection is a technique to measure the robustness of a program to
errors by introducing faults into the program under test. Following a fault
injection experiment, Error Propagation Analysis (EPA) is deployed to
understand how errors affect a program's execution. EPA typically compares the
traces of a fault-free (golden) run with those from a faulty run of the
program. While this suffices for deterministic programs, EPA approaches are
unsound for multithreaded programs with non-deterministic golden runs. In this
paper, we propose Invariant Propagation Analysis (IPA) as the use of
automatically inferred likely invariants ("invariants" in the following) in
lieu of golden traces for conducting EPA in multithreaded programs. We evaluate
the stability and fault coverage of invariants derived by IPA through fault
injection experiments across six different fault types and six representative
programs that can be executed with varying numbers of threads. We find that
stable invariants can be inferred in all cases, but their fault coverage
depends on the application and the fault type. We also find that fault coverage
for multithreaded executions with IPA can be even higher than for traditional
singlethreaded EPA, which emphasizes that IPA results cannot be trivially
extrapolated from traditional EPA results.
- Abstract(参考訳): フォールトインジェクションは、テスト対象のプログラムに障害を導入することで、エラーに対するプログラムの堅牢性を測定するテクニックである。
障害注入実験の後、エラー伝搬分析(EPA)がデプロイされ、エラーがプログラムの実行に与える影響を理解する。
EPAは通常、フォールトフリー(ゴールド)実行のトレースとプログラムの障害実行のトレースを比較します。
これは決定論的プログラムには十分であるが、EPAアプローチは非決定論的ゴールデンランを持つマルチスレッドプログラムには不適切である。
本稿では,マルチスレッドプログラムでEPAを実行するためのゴールデントレースの代わりに,自動推論可能な不変量(以下に示す不変量)を代替として,IPA(Invariant Propagation Analysis)を提案する。
我々は, ipaから派生した不変量の安定性とフォールトカバレッジを, 異なる6種類の障害タイプと, 異なるスレッド数で実行可能な6つの代表的なプログラム間のフォールトインジェクション実験を通じて評価する。
安定な不変量はすべてのケースで推測できるが、その欠陥カバレッジはアプリケーションと障害タイプに依存している。
また、IPAによるマルチスレッド実行の障害カバレッジは、従来の単一スレッドEPAよりもさらに高く、従来のEPA結果からIPA結果が容易に外挿できないことを強調している。
関連論文リスト
- CFaults: Model-Based Diagnosis for Fault Localization in C Programs with Multiple Test Cases [0.0]
本稿では,複数の障害を持つCプログラムに対して,新しい障害局所化手法を提案する。
CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したすべてのテストケースを統一されたMaxSAT公式に集約する。
C プログラムのベンチマークセット TCAS と C-Pack-IPAs の実験結果から,CFaults は他の FBFL の手法よりも高速であることがわかった。
論文 参考訳(メタデータ) (2024-07-12T15:14:49Z) - Large-Scale Application of Fault Injection into PyTorch Models -- an
Extension to PyTorchFI for Validation Efficiency [1.7205106391379026]
PyTorchALFI (Application Level Fault Injection for PyTorch) という,PyTorchFIに基づく新しいフォールトインジェクションフレームワークを導入する。
PyTorchALFIは、ランダムに生成された再利用可能な障害セットを定義して、PyTorchモデルに注入する効率的な方法を提供する。
論文 参考訳(メタデータ) (2023-10-30T11:18:35Z) - Reproducing Failures in Fault Signatures [5.458524825360132]
障害箇所と元のソースコードから障害シグネチャを生成し、小さなプログラムで障害を再現する。
障害シグネチャは、障害を再現できる十分なステートメントのみを含むことを目的としています。
Corebench, BugBench, Manybugsの実際のバグに対する評価は, 障害シグネチャが元のプログラムの障害を再現できることを示している。
論文 参考訳(メタデータ) (2023-09-20T02:14:38Z) - RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic
Program Repair [75.40584530380589]
新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。
RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。
RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
論文 参考訳(メタデータ) (2023-09-12T08:52:56Z) - Deep Reinforcement Learning for Online Error Detection in Cyber-Physical
Systems [1.2074552857379273]
本稿では,Deep Reinforcement Learning(DRL)に基づく新しい誤り検出手法を提案する。
提案手法は,通常のデータから異なるタイプのエラーを分類し,システムが失敗するかどうかを予測する。
評価結果から,提案手法の精度は2倍以上に向上し,推論時間も他の手法に比べて5倍以上に向上したことが示された。
論文 参考訳(メタデータ) (2023-02-03T06:28:54Z) - NAPG: Non-Autoregressive Program Generation for Hybrid Tabular-Textual
Question Answering [52.10214317661547]
現在の数値推論法はプログラムシーケンスを自己回帰的にデコードする。
プログラム生成の精度は、デコードステップがエラー伝搬によって展開されるにつれて急激に低下する。
本稿では,非自己回帰型プログラム生成フレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-07T11:25:21Z) - Fault-Aware Neural Code Rankers [64.41888054066861]
サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。
我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2022-06-04T22:01:05Z) - Fast and Accurate Error Simulation for CNNs against Soft Errors [64.54260986994163]
本稿では,誤りシミュレーションエンジンを用いて,コナールニューラルネットワーク(CNN)の信頼性解析のためのフレームワークを提案する。
これらの誤差モデルは、故障によって誘導されるCNN演算子の出力の破損パターンに基づいて定義される。
提案手法は,SASSIFIの欠陥効果の約99%の精度と,限定的なエラーモデルのみを実装した44倍から63倍までのスピードアップを実現する。
論文 参考訳(メタデータ) (2022-06-04T19:45:02Z) - Software mitigation of coherent two-qubit gate errors [55.878249096379804]
2量子ゲートは量子コンピューティングの重要な構成要素である。
しかし、量子ビット間の不要な相互作用(いわゆる寄生ゲート)は、量子アプリケーションの性能を低下させる。
寄生性2ビットゲート誤差を軽減するための2つのソフトウェア手法を提案する。
論文 参考訳(メタデータ) (2021-11-08T17:37:27Z) - Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。
我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。
平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
論文 参考訳(メタデータ) (2020-10-22T12:45:55Z)
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。