Időzített rendszerek tanulás alapú analízise

OData támogatás
Konzulens:
Farkas Rebeka Krisztina
Méréstechnika és Információs Rendszerek Tanszék

Biztonságkritikus rendszerek esetén kiemelten fontos a hibamentes működést ellenőrizni, például modell-alapú technológiák segítségével. Ezen rendszerek jellemzően valósidejű rendszerek, amelyekben különösen fontos az időzítési paraméterek hatásának vizsgálata, hiszen sokszor a bonyolult időzítési viszonyokból fakadnak a tervezési hibák. Előfordul azonban, hogy a rendszer egyes komponenseinek belső megvalósítása nem ismert (például külső fél által készített komponensek esetén), így működéséhez nem létezik formális modell vagy specifikáció.

Automatatanulás segítségével a megfigyelt működések alapján automatikusan származtatható a rendszernek egy véges automata-alapú viselkedésmodellje. A valósidejű rendszerek azonban új kihívásokat állítanak az automatatanulás elé, mivel kiemelten fontossá válik az időzítés-függő viselkedések felismerése, tanulása.

Munkám során időzített rendszerek tanulásával foglalkozom. Létrehoztam egy gráfadatbázison alapuló

szoftvert, amely lehetővé teszi időzített rendszerek működésének analízisét egy valósidejű automatatanuló algoritmus segítségével, illetve megvizsgáltam ezen algoritmus módosításait, továbbfejlesztési lehetőségeit.

Az általam megvalósított szoftver segítségével lehetővé válik olyan szoftverkomponensek viselkedésének megtanulása, amelyekre eddigiekben nem volt lehetőség, időfüggő viselkedésük miatt. Az így létrejövő specifikáció alapján lehetővé válik a komponens viselkedésének megértése, ellenőrzése, anomáliadetektáló monitor származtatása, valamint dokumentáció, illetve tesztek generálása.

Dolgozatom célja bemutatni az általam implementált szoftvert és a felhasznált algoritmust, valamint a javasolt fejlesztéseket. Dolgozatomban az implementáció is részletesen bemutatásra kerül. Fejlesztéseim hatásosságát mérésekkel demonstrálom.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.