典型文献
随机混成系统稀有属性的统计模型检测方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
房丙午;黄志球;谢健
作者机构：
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;南京航空航天大学计算机科学与技术学院,江苏南京211106
文献出处：
引用格式：
[1]房丙午;黄志球;谢健-.随机混成系统稀有属性的统计模型检测方法)[J].软件学报,2022(10):3717-3731
A类：
随机混成系统,稀有属性,统计模型检测,交叉熵迭代学习,连续时间马尔可夫链
B类：
系统安全性,安全性验证,不安全事件,有事,不可行,链表,路径空间,参数化,概率分布函数,系统路径,重要性采样,样分布,属性验证,样本数量,启发式,采样方法,估计值,标准方差,数量级
AB值：
0.161131
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
