软件学报

作者：房丙午，黄志球，谢健

单位：房丙午，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 23060111,黄志球，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 21110602,谢健，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 21110603

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

基金：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)

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.

来源：2022年第10期

《软件学报》期刊编辑部

查看软件学报杂志2022年第10期