| 随机混成系统稀有属性的统计模型检测方法 |
| |
| 作者姓名： | 房丙午 黄志球 谢健 |
| |
| 作者单位： | 高安全系统的软件开发与验证技术工业和信息化部重点实验室(南京航空航天大学), 江苏 南京 211106;安徽财贸职业学院 信息工程学院, 安徽 合肥 230601;高安全系统的软件开发与验证技术工业和信息化部重点实验室(南京航空航天大学), 江苏 南京 211106;南京航空航天大学 计算机科学与技术学院, 江苏 南京 211106 |
| |
| 基金项目： | 国家重点研发计划(2016YFB1000802,2018YFB1003902);高安全系统软件开发与验证技术工业和信息化部重点实验室(南京航空航天大学)研究项目(NJ2019006) |
| |
| 摘 要： | 统计模型检测,已成为随机混成系统安全性验证的重要方法.但对安全性要求较高的系统,其不安全事件和系统失效都是稀有事件.在这种情况下,统计模型检测很难采样到满足稀有属性的样本而变得不可行.针对该问题,提出了交叉熵迭代学习的统计模型检测方法:首先,使用连续时间马尔可夫链表示随机混成系统的路径概率空间,推导出路径空间上的参数化概率分布函数族;然后构造了随机混成系统路径空间上的交叉熵优化模型,提出了在路径空间上迭代学习最优重要性采样分布的算法;最后给出了基于重要性采样的稀有属性验证算法.实验结果表明:该方法能够有效地对随机混成系统的稀有属性进行验证;且在相同样本数量下,与一些启发式重要性采样方法相比,该方法的估计值能够更好地分布在均值附近,标准方差和相对误差减少超过了一个数量级.
|
| 关 键 词： | 随机混成系统 安全性 稀有属性 交叉熵迭代学习 统计模型检测 |
| 收稿时间： | 2020-03-02 |
| 修稿时间： | 2020-12-04 |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
