論文の概要: Automated Repair of Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2501.17678v1
- Date: Wed, 29 Jan 2025 14:36:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-30 15:52:13.327351
- Title: Automated Repair of Cyber-Physical Systems
- Title(参考訳): サイバー物理システムの自動修復
- Authors: Pablo Valle,
- Abstract要約: このプロジェクトの目的は、CPSのためのスケーラブルなAPR技術を開発することである。
フォールトローカライゼーション、長時間のテスト実行、フィットネス機能制限といった問題に対処する。
スペクトルに基づく断層定位とパッチ生成と高度な人工知能技術を組み合わせた新しい手法について検討する。
- 参考スコア(独自算出の注目度): 4.314956204483074
- License:
- Abstract: Cyber-Physical Systems (CPS) integrate digital technologies with physical processes and are common in different domains and industries, such as robotic systems, autonomous vehicles or satellites. Debugging and verification of CPS software consumes much of the development budget as it is often purely manual. To speed up this process, Automated Program Repair (APR) has been targeted for a long time. Although there have been advances in software APR and CPS verification techniques, research specifically on APR for CPSs is limited. This Ph.D. research project aims to develop scalable APR techniques for CPSs, addressing problems of fault localization, long test execution times, and fitness function limitations. A new method combining spectrum-based fault localization (SBFL) with patch generation and advanced artificial intelligence techniques will be investigated. The approach will be validated by empirical studies on open and industrial code bases of CPSs.
- Abstract(参考訳): CPS(Cyber-Physical Systems)は、デジタル技術を物理プロセスと統合し、ロボットシステム、自動運転車、衛星など、さまざまな分野や産業に共通している。
CPSソフトウェアのデバッグと検証は、純粋な手作業であることが多いため、開発予算の大部分を消費する。
このプロセスをスピードアップするために、APR(Automated Program repair)は長い間ターゲットとされてきた。
ソフトウェア APR や CPS の検証技術は進歩してきたが,特に CPS のための APR の研究は限られている。
このPh.D.研究プロジェクトは、CPSのためのスケーラブルなAPR技術を開発することを目的としており、フォールトローカライゼーション、長いテスト実行時間、フィットネス機能制限の問題に対処している。
本稿では,SBFL(Spectrum-based Fault Localization)とパッチ生成と高度な人工知能技術を組み合わせた新しい手法を提案する。
このアプローチは、CPSのオープンおよびインダストリアルコードベースに関する実証的研究によって検証される。
関連論文リスト
- A Survey of Anomaly Detection in Cyber-Physical Systems [1.2891210250935148]
本稿では,CPSにおける異常検出に対する研究者のアプローチについて概説する。
機械学習、ディープラーニング、数学的モデル、不変量、ハイブリッド技術などの手法を分類し比較する。
私たちのゴールは、読者がこれらの手法の長所と短所を理解し、より安全で信頼性の高いCPSを作成する方法を理解することです。
論文 参考訳(メタデータ) (2025-02-18T19:38:18Z) - AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。
以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
論文 参考訳(メタデータ) (2024-11-02T13:24:30Z) - MORTAR: A Model-based Runtime Action Repair Framework for AI-enabled Cyber-Physical Systems [21.693552236958983]
CPS(Cyber-Physical Systems)は、様々な産業や日常生活領域でますます普及している。
近年の人工知能(AI)の発展に伴い、学習ベースのコンポーネント、特にAIコントローラは、CPSの機能と効率を高める上で欠かせないものとなっている。
これらのAIコントローラの解釈可能性の欠如は、AI対応CPS(AI-CPS)の安全性と品質保証に課題をもたらす。
論文 参考訳(メタデータ) (2024-08-07T16:44:53Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - Neuro-Symbolic AI for Compliance Checking of Electrical Control Panels [47.187609203210705]
電気制御パネルのコンプライアンス検証を自動化するためのニューロ・シンボリック方式を提案する。
我々のアプローチは、ディープラーニング技術と解答セットプログラミング(ASP)の組み合わせに基づいており、最終製品で起こりうる異常やエラーを特定することができます。
イタリア企業が提供する実検例で実施した実験は,提案手法の有効性を実証するものである。
論文 参考訳(メタデータ) (2023-05-17T10:29:02Z) - A Survey on Automated Program Repair Techniques [19.8878105453369]
本稿では,検索ベース,制約ベース,テンプレートベース,学習ベースという4つの異なるAPRパッチ生成方式を紹介する。
本稿では,それぞれのAPRツールをレビュー・比較するための一貫した基準セットを提案し,その利点とデメリットを要約し,APR開発の現状について議論する。
論文 参考訳(メタデータ) (2023-03-31T16:28:37Z) - Stress Testing Control Loops in Cyber-Physical Systems [2.195923771201972]
制御とソフトウェア技術者が協調してソフトウェアを開発する制御ベースCPSの試験について検討する。
制御ベースのCPSのストレステストは、そのような設計仮定を偽装するテストを生成するものとして定義する。
我々は,ドローン,連続電流モータ,航空機を含む3つのケーススタディシステムに対するアプローチを評価した。
論文 参考訳(メタデータ) (2023-02-27T16:01:38Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳(メタデータ) (2022-09-20T11:23:51Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳(メタデータ) (2021-03-08T10:56:38Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳(メタデータ) (2021-01-11T15:54:48Z) - Adaptive Immunity for Software: Towards Autonomous Self-healing Systems [0.6117371161379209]
自己修復ソフトウェアシステムは、実行時に予期しない問題を検出し、診断し、含めることができる。
機械学習の最近の進歩は、システムを観察して学ぶことができる。
人工免疫システムは、特に自己修復システムを構築するのに適している。
論文 参考訳(メタデータ) (2021-01-07T13:22:55Z)
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。