Quantitative modeling and verification of evolving software
Başlık çevirisi mevcut değil.
- Tez No: 721203
- Danışmanlar: PROF. DR. SABİNE KUNST, PROF. DR. ELMAR KULKE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Probabilistic verification, probabilistic model checking, stochastic regular expressions, probabilistic regular expressions, incremental verification, software evolution, software quality, reliability, performance, system safety
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Humboldt-Universität zu Berlin
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 181
Özet
Mit der steigenden Nachfrage nach Innovationen spielt Software in verschiedenen Wirtschaftsbereichen eine wichtige Rolle, wie z.B. in der Automobilindustrie, bei autonomen und intelligenten Systemen als auch bei Kommunikationssystemen. Daher ist die Qualität für die Softwareentwicklung von großer Bedeutung. Es wurden verschiedene Ansätze entwickelt, um die Qualitätsmerkmale von Systemen wie Zuverlässigkeit, Sicherheit (Safety) und Performance von Software zu bewerten. In der Regel dienen Modelle wie z.B. die der Markov-Modelle, Fehlerbäume und Petri-Netze als Modelle der Software, die für die Erstellung der verschiedenen Auswertungsverfahren ausschlaggebend sind. Normalerweise enthalten diese Modelle Entwurfszeitschätzungen für bestimmte Übergangswahrscheinlichkeiten, die zur Laufzeit auf ihre Genauigkeit überprüft werden müssen. Allerdings ändern sich diese Modelle angesichts der dynamischen Natur moderner Softwaresysteme. Dies führt dazu, dass ihre Übergangswahrscheinlichkeiten im Laufe der Zeit schwanken, welches zu erheblichen Problemen führt. Um korrekte Bewertungsergebnisse quantitativer Eigenschaften erhalten zu können, müssen diese gelöst werden. Dahingehend werden probabilistische Modelle im Hinblick auf ihre Laufzeit kontinuierlich aktualisiert. Eine fortdauernde Neubewertung komplexer Wahrscheinlichkeitsmodelle ist jedoch teuer. In letzter Zeit haben sich inkrementelle Ansätze als vielversprechend für die Verifikation von adaptiven Systemen erwiesen. Trotzdem wurden bei der Bewertung struktureller Änderungen im Modell noch keine wesentlichen Verbesserungen erzielt. Wahrscheinlichkeitssysteme werden als Automaten mit Wahrscheinlichkeitsdaten modelliert, wie bei Markov-Modellen, Markov-Entscheidungsprozessen und probabilistischen Automaten. Auch werden algebraische Sprachen wie stochastische Algebren wie Differentialgleichungen auf Basis von Markov-Ketten analysiert. Solche Modelle können in Matrixform dargestellt werden, um die Gleichungen basierend auf Zuständen und Übergangswahrscheinlichkeiten zu lösen. Auf der anderen Seite können solche Änderungen auch verschiedene Auswirkungen auf die Modelle haben oder eine erneute Überprüfung des gesamten Systemmodells erzwingen. Laufzeitmodelle wie Matrizen oder Diagrammdarstellungen sind nicht signifikant, um die Auswirkungen von Modellveränderungen erkennen zu können. In dieser Arbeit wird ein Framework unter Verwendung stochastischer Bäume mit regulären Ausdrücken entwickelt, welches modular aufgebaut ist und eine aktionshaltige sowie probabilistische Logik im Kontext der Modellprüfung aufweist. Ein solches modulares Framework ermöglicht dem Menschen die Entwicklung der Änderungsoperationen für die inkrementelle Berechnung lokaler Änderungen, die im Modell auftreten können. Darüber hinaus werden probabilistische Änderungsmuster beschrieben, um eine effiziente inkrementelle Verifizierung, unter Verwendung von Bäumen mit regulären Ausdrücken, anwenden zu können. Durch die Bewertung der Ergebnisse wird der Vorgang abgeschlossen.
Özet (Çeviri)
Software plays an innovative role in many different domains, such as car industry, autonomous and smart systems, and communication. Hence, the quality of the software is of utmost importance and needs to be properly addressed during software evolution. Several approaches have been developed to evaluate systems' quality attributes, such as reliability, safety, and performance of software. Models, such as Markov models, fault trees, and Petri nets, commonly serve as models of the software to be built for different evaluation procedures. These models usually contain design-time estimates for specific transition probabilities, which have to be checked at run-time for their accurateness. Furthermore, due to the dynamic nature of modern software systems, these models and their transition probabilities change over time and fluctuate, leading to a significant problem that needs to be solved to obtain correct evaluation results of quantitative properties. Probabilistic models need to be continually updated at run-time to solve this issue. However, continuous re-evaluation of complex probabilistic models is expensive. Recently, incremental approaches have been found to be promising for the verification of evolving and self-adaptive systems. Nevertheless, substantial improvements have not yet been achieved for evaluating structural changes in the model. Probabilistic systems are usually modeled as automata with probabilistic data (e.g., Markov chains, Markov Decision Processes, probabilistic automata). Even algebraic languages, such as stochastic algebras, are analyzed on the underlying models like Markov chains. Such models can be represented in a matrix form to solve the equations based on states and transition probabilities. On the other side, such changes can create various effects on the models and force one to re-verify the whole system. Run-time models, such as matrices or graph representations, lack the expressiveness to identify the change effect on the model. In this thesis, we develop a framework using stochastic regular expression trees, which are modular, with action-based probabilistic logic in the model checking context. Such a modular framework enables us to develop change operations for the incremental computation of local changes that can occur in the model. Furthermore, we describe probabilistic change patterns to apply efficient incremental quantitative verification using stochastic regular expression trees and evaluate our results.
Benzer Tezler
- Ortaokul 7. sınıf öğrencilerinin matematiksel modelleme ve epistemolojik inançları üzerine bir çalışma
A study on mathematical modeling competencies and epistemological beliefs of the 7th grade students
RECEP DİNÇ
Yüksek Lisans
Türkçe
2020
Eğitim ve ÖğretimDicle ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AYDIN
- A framework for measurrement and implementation of operational risk management in small and medium enterprises (SMEs)
Küçük ve orta ölçekli işletmelerde (KOBİ) operasyonel risk yönetimi ölçme ve uygulanma sistemi
MUHAMMAD SHAHBAZ
Yüksek Lisans
İngilizce
2013
Endüstri ve Endüstri MühendisliğiFatih ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NADER NADA
- Aktif çamurda çoklu substrat gideriminin modellenmesi
Modelling of multiple substrate removal in activated suludge process
GÜLEN EREMEKTAR
Doktora
Türkçe
1997
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. OLCAY TÜNAY
- Çok ölçütlü sorun çözümüne yönelik bir bütünleşik karar destek modeli
Integrated decision aid model for multiattribute problem solving
YUSUF İLKER TOPÇU
Doktora
Türkçe
2000
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. FÜSUN ÜLENGİN
- Sosyal medyadaki yanlış bilgiye yönelik kullanıcı doğrulama davranışlarının incelenmesi
Analysis of user verification behavior towards misinformation in social media
GÜLÇİN SALMAN
Doktora
Türkçe
2021
İletişim BilimleriAnadolu Üniversitesiİletişim Tasarımı ve Yönetimi Ana Bilim Dalı
PROF. DR. ERHAN EROĞLU