37、自动机学习在运行时验证中的应用

自动机学习在运行时验证中的应用

1. 引言

在计算机科学的发展历程中，自动机学习已经成为一种强大的工具，尤其是在运行时验证（Runtime Verification, RV）领域。通过实验与黑盒系统（Black-box System, BBS）进行交互，自动机学习能够提取出一个满足给定形式规范ϕ的有限状态自动机（Finite State Automaton, FSA）。这种方法不仅避免了从头开发满足规范的系统所带来的复杂性，还能高效地进行逆向工程（Reverse Engineering, RE）。本文将探讨自动机学习和模型检查在逆向工程中的应用，特别是其在基于循环神经网络（Recurrent Neural Network, RNN）系统中的潜力。

2. 自动机学习的基础

自动机学习的目标是从实验中学习一个黑盒系统的模型，该模型能够满足给定的形式规范ϕ。最著名的自动机学习算法之一是Angluin的L 算法。L 算法通过两种查询来学习有限状态自动机：

• 成员查询（Membership Query） ：测试给定执行是否在黑盒系统B上有预期的输出。
• 等价查询（Equivalence Query） ：询问候选自动机M是否在所有输入序列上产生与黑盒系统B相同的输出。如果M和B不等价，则返回一个反例μ，用于进一步学习。

2.1 L*算法的步骤

L*算法使用两个有限序列集S和E，其中S是前缀闭集的可访问序列，E是后缀闭集的区分序列。算法通过以下步骤进行：