論文の概要: A Generic and Efficient Python Runtime Verification System and its Large-scale Evaluation

• arxiv url: http://arxiv.org/abs/2509.06324v1
• Date: Mon, 08 Sep 2025 04:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.968011
• Title: A Generic and Efficient Python Runtime Verification System and its Large-scale Evaluation
• Title（参考訳）: 汎用的で効率的なPythonランタイム検証システムとその大規模評価
• Authors: Zhuohang Shen, Mohammed Yaseen, Denini Silva, Kevin Guan, Junho Lee, Marcelo d'Amorim, Owolabi Legunsen,
• Abstract要約: 汎用的で効率的なPython用RVシステムであるPyMOPを提案する。 PyMOPは5つのロジックをサポートし、5つの既存の監視アルゴリズム、Pythonと広く使用されているライブラリの73のAPI仕様が提供されている。 1,463のGitHubプロジェクトで290,133のユニットテストを行った結果、(i)Javaのデフォルトの監視アルゴリズムがPythonでは最速ではないこと、(ii)PyMOPは最近の2つの動的分析システムよりも最大1,168.3倍高速であること、(iii)PyMOPが発見した121のバグのうち44が開発者によって修正されていることが判明した。
• 参考スコア（独自算出の注目度）: 12.963005661353476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Runtime verification (RV) now scales for testing thousands of open-source Java projects, helping find hundreds of bugs. The popular Python ecosystem could use such benefits. But, today's Python RV systems are limited to a domain or specification logic, or slow. We propose PyMOP, a generic, extensible, and efficient RV system for Python. PyMOP supports five logics, implements five existing monitoring algorithms, ships with 73 API specs of Python and widely-used libraries, supports three instrumentation strategies, and users can easily add more of these. On 290,133 unit tests in 1,463 GitHub projects, we find mainly that (i) the default monitoring algorithm for Java is often not the fastest for Python; (ii) PyMOP is up to 1,168.3x faster than two recent dynamic analysis systems; and (iii) 44 of 121 bugs that PyMOP helped find so far were fixed by developers. PyMOP's generality and efficiency position it well as an excellent platform for the next advances on RV for Python.
• Abstract（参考訳）: 実行時検証(RV)は、何千ものオープンソースプロジェクトをテストするためにスケールし、数百のバグを見つけるのに役立つ。 人気のあるPythonエコシステムは、このようなメリットを活用できるだろう。 しかし、今日のPython RVシステムはドメインまたは仕様ロジックに限られている。 汎用的で拡張性があり,効率的なPython用RVシステムであるPyMOPを提案する。 PyMOPは5つのロジックをサポートし、5つの既存の監視アルゴリズムを実装し、Pythonと広く使用されているライブラリの73のAPI仕様で出荷される。 1,463のGitHubプロジェクトで290,133の単体テストを行ったところ、主にそれを発見した。 i) Javaのデフォルトの監視アルゴリズムはPythonでは最速ではないことが多い。 (ii)PyMOPは最近の2つの動的解析システムより最大1,168.3倍高速である。 (iii)PyMOPが発見した121のバグのうち44は、開発者が修正したものです。 PyMOPの汎用性と効率性は、Python用RVの次の進歩のための優れたプラットフォームと位置づけている。

関連論文リスト

• Dynamic and Static Analysis of Python Software with Kieker Including Reconstructed Architectures [0.2867517731896504]
  Kiekerオブザーバビリティフレームワークは、アプリケーション用にカスタムなオブザーバビリティパイプラインを設計する手段をユーザに提供するツールである。 元々はJava用に調整され、PythonをKeekerでサポートするのは価値がある。
  論文  参考訳（メタデータ） (2025-07-31T11:05:23Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• OMB-Py: Python Micro-Benchmarks for Evaluating Performance of MPI Libraries on HPC Systems [1.066106854070245]
  OMB-Pyは並列Pythonアプリケーションのための最初の通信ベンチマークスイートである。 OMB-Pyは様々なポイント・ツー・ポイントと集合的な通信ベンチマークテストから構成される。 逐次実行と比較して,224CPUコア上での最大106倍の高速化を報告した。
  論文  参考訳（メタデータ） (2021-10-20T16:59:14Z)
• Python Workflows on HPC Systems [2.1485350418225244]
  計算集約型機械学習とデータ分析手法の最近の成功と広範な応用により、HPCシステムにおけるPythonプログラミング言語の使用が促進されている。 Pythonはユーザに対して多くの利点を提供しているが、マルチユーザ環境や並列プログラミングに重点を置いて設計されていない。 本稿では,HPCクラスタ上でのPythonの使用によって引き起こされる重要な問題を分析し,適切な回避策をスケッチする。
  論文  参考訳（メタデータ） (2020-12-01T09:51:12Z)
• PySAD: A Streaming Anomaly Detection Framework in Python [0.0]
  ストリーム異常検出には厳密な制約の下で動作させるアルゴリズムが必要である。 PySADは、統一アーキテクチャを通じてこれらの課題に対処する包括的なPythonフレームワークである。
  論文  参考訳（メタデータ） (2020-09-05T17:41:37Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

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。