CyberSecurity Challenges: Serious Games for Awareness Training in Industrial Environments
了解网络安全主题,例如,与安全编码指南相关,使软件开发人员能够编写安全代码。这种意识在工业环境中对于关键基础设施中的产品和服务至关重要。在这项工作中,我们介绍和讨论了一个新的严重的游戏,专为软件开发人员在行业中。这个游戏解决了软件开发人员的需求,并被证明是非常适合提高安全编码意识的软件开发人员在行业中。我们的工作成果来自作者在行业中进行十多项网络安全挑战时获得的经验。所提出的游戏设计,这是被软件开发人员所接受的,是一种新颖的替代传统的课堂培训。我们希望通过在早期生产阶段改善产品的网络安全,对行业产生积极影响。
2021-02-20 cs.SE
Practices, Challenges, and Opportunities When Inferring Requirements From Regulations in the FinTech Sector - An Industrial Study
本文通过一项金融科技领域工业多案例研究,系统调查从法规中推断软件需求的实践与挑战,识别关键实践和问题,并为未来问题驱动的研究提出建议。
2024-05-05 cs.SE
Design Guidelines for Improving User Experience in Industrial Domain-Specific Modelling Languages
领域特定建模语言(DSML)帮助从业者解决特定于各个领域的建模挑战。随着领域在本质上变得更加复杂和异构,行业从业者经常面临图形DSML可用性的挑战。仍然缺乏工业语言工程师应该考虑的指导方针,以改善这些从业者的用户体验(UX)。用户体验的总体主题是广泛和主观的,用户体验的一般指导方针和定义通常过于通用或与特定的技术空间相关联。为了解决这一挑战,我们利用现有的以人为本的设计和用户体验的设计原则和标准,并提出定义和指导方针的用户体验和用户体验设计(UXD)方面的图形DSML。在本文中,我们主要根据我们在开发工业DSML方面的经验,对语言工程师在图形化DSML开发过程中应该考虑的关键UXD方面进行了分类。最终,这些UXD指南有助于提高工业DSML的通用性,并支持语言工程师开发更好的DSML,这些DSML独立于图形建模工具,并被用户广泛接受。
2022-09-28 cs.SE
Industrial-Strength Model-Based Testing - State of the Art and Current Challenges
到目前为止,基于模型的测试(MBT)被认为是行业中的前沿技术。根据我们的经验,我们概述了目前在实践中应用的不同MBT型号,特别强调航空电子、铁路和汽车领域。成功的工业规模应用MBT的关键因素进行了描述,无论是从科学和管理的角度来看。对于前一种观点,我们描述了并发反应式实时系统的自动测试用例、测试数据和测试过程生成技术,这些技术被认为是实践中MBT最重要的推动者。关于后者的观点,我们的经验,介绍了MBT方法在测试团队的概述。最后,讨论了最具挑战性的开放科学问题,其解决方案必将提高MBT在工业中的接受度和有效性。
2013-03-05 cs.SE
Industrial Challenges in Secure Continuous Development
本文从工业实践视角验证了安全持续软件工程中的关键挑战,并面向从业者和研究者提出四个未来研究方向。
2024-01-12 cs.SE
Using a Semantic Knowledge Base to Improve the Management of Security Reports in Industrial DevOps Projects
将安全活动集成到软件开发生命周期中以检测安全漏洞对于任何项目都是必不可少的。这些活动生成的报告必须进行管理,并反馈给项目利益相关者(如开发人员),以实现安全性改进。这个所谓的反馈回路是任何项目的关键部分,并且是各种工业安全标准和模型所要求的。然而,这种循环的操作提出了各种挑战。这些挑战包括确保反馈数据具有足够的质量,向不同的利益攸关方提供他们所需的信息,以及管理报告的巨大努力。在本文中,我们提出了一种新的方法来处理的安全活动报告的信念在知识库(KB)的调查结果。通过利用连续的逻辑推理,我们获得从业者所需的信息,并解决行业中存在的挑战。这种方法目前正在工业DevOps项目中进行评估,使用来自持续安全测试的数据。
2022-04-19 cs.SE
Testing of Machine Learning Models with Limited Samples: An Industrial Vacuum Pumping Application
在工业生产中,通常缺乏用于机器学习(ML)分类和回归模型的训练数据,特别是对于耗时或稀疏运行的制造过程。大多数有限的地面实况数据用于训练,而少数样本用于测试。在这里,测试样本的数量不足以正确评估分类和回归测试中ML模型的鲁棒性。此外,如果输入数据与预期不同,这些ML模型的输出可能不准确甚至失败。这是用于精炼钢工业中的电渣重熔(ESR)过程中的ML模型的情况,以预测真空室中的压力。每个工作日发生一次真空抽吸事件,在一年的抽吸中产生几百个样本用于训练和测试。在缺乏足够的训练和测试样本的情况下,本文首先提出了一种基于真空泵原理的新的增强样本集的生成方法。基于生成的增强样本,提出了三个测试场景和一个测试预言,以评估用于工业规模生产的ML模型的鲁棒性。利用Uddeholms AB钢铁公司的实际工业生产数据进行了实验。评估表明,Entrance和神经网络是最强大的增强数据训练时,使用建议的测试策略。评估也表明了该方法的有效性,在检查和提高ML算法的鲁棒性,在这种情况下。这项工作改进了软件测试在类似环境中的最先进的鲁棒性测试。最后,本文提出了一种MLOps实现方法,用于边缘节点上的实时ML模型预测和操作,以及从云中自动连续交付ML软件。
2022-08-08 cs.SE
When Regression Verification Meets CEGAR
软件系统在其生存周期中不断演化。许多修订是随着时间的推移而产生的。对软件的每个修订版本进行模型检验是不切实际的。回归验证建议重复使用先前验证运行的中间结果。本文提出了一种全自动的回归验证技术的背景下CEGAR。过程摘要描述了过程的输入/输出行为,被建议作为中间结果进行重用。过程摘要存储起来相当小,在技术上易于处理,并且不需要太多额外的计算工作就可以重用。重复使用过程摘要可以节省对相应过程的大量分析工作。通过结合回归验证和CEGAR,我们提出了一种技术,能够重用过程摘要在不同的抽象精度和不同的程序修订。我们对大量的工业程序(89个Linux内核设备驱动程序的534个版本)进行了广泛的实验。实验结果表明,该方法可以显著提高回归验证的性能.
2018-06-13 cs.SE
Compliance Requirements in Large-Scale Software Development: An Industrial Case Study
法规遵从性是一个研究得很好的领域,包括研究如何建模,检查,分析,制定和验证软件的遵从性。然而,虽然理论知识体系是巨大的,经验证据的挑战与法规遵从性,所面临的行业从业者,特别是在软件工程领域,仍然缺乏。在本文中,我们报告了一个行业案例研究,旨在深入了解检查和分析监管合规性的常见做法和挑战,并讨论了与报告证据状态直接相关的见解。我们的研究是在爱立信公司进行的,爱立信公司是一家大型电信公司,必须遵守当地和国际监管机构和标准,如GDPR。这项工作的主要贡献是爱立信所经历的挑战的经验证据,补充了现有的法规遵从性知识体系。
2021-03-02 cs.SE
Towards the adoption of model-based engineering for the development of safety-critical systems in industrial practice
基于模型的工程有望提高复杂系统开发的生产力和质量。在安全关键系统的背景下,一个传统的高度管制和保守的领域,使用模型在最近几年变得重要。在本文中,我们提出了一套实际的挑战,在开发安全关键系统的帮助下,几个例子的开发项目,属于不同的应用领域。在此之后,我们将展示如何采用基于模型的工程来开发安全关键系统,以应对这些挑战。
2021-06-04 cs.SE
A Systematic Literature Review on a Decade of Industrial TLA+ Practice
本文通过系统文献综述分析TLA+过去十年在工业界的应用趋势、使用特征、实际收益与推广挑战,为软件工程师提供实践见解。
2024-11-20 cs.SE
Software Architecture Decision-Making Practices and Challenges: An Industrial Case Study
软件体系结构决策对于软件系统的成功至关重要,因为软件体系结构设置了系统的结构,确定了系统的质量,并在整个系统生存周期中具有深远的影响。软件开发环境的复杂性和问题的重要性促使研究界开发了一些技术、工具和过程来帮助软件架构师做出更好的决策。尽管作出了这些努力,但在实践中采用这种系统性办法似乎相当有限。此外,实践者也面临着新的挑战,因为不同的软件开发方法建议不同的方法进行架构设计。在本文中,我们研究了目前的软件架构决策的做法,在行业中使用的专业软件架构师在三个不同的公司在欧洲进行的案例研究。因此,我们确定了软件团队遵循的不同软件架构决策实践,以及遵循这些实践的原因,与之相关的挑战,以及从软件架构师的角度来看可能的改进。在此基础上,我们认识到,改进软件架构知识管理可以解决大多数已识别的挑战,并将导致更好的软件架构决策。
2016-10-28 cs.SE
Continuous Experimentation and the Cyber-Physical Systems challenge: An overview of the literature and the industrial perspective
背景:新的软件开发模式正在出现,旨在加速交付价值的过程。一种是持续实验,它允许在开发阶段系统地部署和运行仪表化软件变体,以便从应用领域收集数据。虽然目前这种做法每天都在基于网络的系统上使用,但在计算资源受到限制的领域中,技术困难对其采用提出了挑战,例如,网络物理系统和汽车行业。目的:本文旨在概述在网络物理系统的背景下,对持续实验实践的参与。了解在网络物理系统的背景下,持续实验实践的最新技术是什么,以及从业者对此实践的反馈是什么。方法:进行了系统的文献综述,以调查实践和应用领域之间的联系。此外,工业多个案例研究报告。结果:该研究介绍了当前关于网络物理系统领域连续实验的最新技术水平。最后介绍了连续试验在工业上的应用前景。结论:该领域尚未成熟。发现的概念分析多于解决方案建议,实践状况尚待实现。然而,预计随着时间的推移,将提出越来越多的解决方案并加以验证。
2020-09-11 cs.SE
Challenges in aligning requirements engineering and verification in a large-scale industrial context
本文通过在大型软件公司开展访谈研究,识别需求与验证过程协调中的多类关键挑战,并为从业者和研究者提供改进对齐管理的依据。
2023-07-23 cs.SE
DEIS: Dependability Engineering Innovation for Industrial CPS
信息物理系统(CPS)的开放性和协作性对可靠性提出了新的挑战。DEIS项目(汽车CPS的可靠性工程创新。该项目获得了欧盟地平线2020研究和创新计划的资助,资助协议编号为732242,见http://www.deis-project.eu)通过开发形成可靠系统集成科学的技术来应对这些挑战。这些技术的核心是组件或系统的数字可靠性标识(DDI)的概念。DDI是模块化的,可组合的,并且在现场可执行,从而促进(a)在供应链上有效地合成组件和系统可靠性信息,以及(b)在现场有效地评估该信息,以安全和可靠地组合高度分布式和自治的CPS。本文概述了DDI概念和在四个工业用例中的应用机会。
2021-06-03 cs.SE
Challenges in the Safety-Security Co-Assurance of Collaborative Industrial Robots
University of York(约克大学);University of Sheffield(谢菲尔德大学)
本研究围绕协作工业机器人的安全与安保协同保障难题,梳理了相关保障方法,分析了制造业人机协作的技术现状与挑战,并指出了待解决的流程与技术问题。
2020-07-17 cs.CR cs.RO cs.SE
Data science on industrial data -- Today's challenges in brown field applications
Fraunhofer Institute for Process Engineering and Packaging (IVV)(弗劳恩霍夫过程工程与包装研究所(IVV))
许多研究都是关于数据分析和机器学习的。在工业过程中,大量的数据是可用的,许多研究人员正在尝试使用这些数据。在实际的方法中,人们发现许多陷阱限制了现代技术的应用,特别是在棕地应用中。通过本文,我们希望展示最先进的技术水平以及在现场使用库存机器时的预期。本文的一个主要重点是数据收集,这可能比大多数人想象的更麻烦。此外,机器学习应用程序的数据质量在离开实验室后也是一个挑战。在这一领域,人们必须预料到缺乏数据的语义描述,以及很少有基础事实可用于机器学习模型的训练和验证。最后一个挑战是IT安全和通过防火墙传递数据。
2020-06-10 cs.LG cs.SE cs.SY
InfraMind: A Novel Exploration-based GUI Agentic Framework for Mission-critical Industrial Management
Nanyang Technological University(南洋理工大学)
针对工业管理中通用GUI智能体面临的五大挑战,提出基于探索的智能体框架InfraMind,集成系统搜索、记忆驱动规划、状态识别、知识蒸馏与多层安全机制,在DCIM平台上显著提升了任务成功率与运营效率。
2025-09-17 cs.AI cs.SE
An Empirical Exploration on the Supervision of PhD Students Closely Collaborating with Industry
随着在工业领域工作的博士生的增加,有必要了解哪些因素影响工业学生的监督。本文旨在探讨工业类博士生导师工作面临的挑战和有效的方法。数据收集通过半结构化的采访,在瑞典的嵌入式软件行业的几个组织的博士研究生和导师的经验。数据是匿名的,并通过专题分析进行分析。结果表明,有许多挑战和机遇,以改善工业博士生的监督。
2019-03-13 cs.CY cs.SE
Agent Programming for Industrial Applications: Some Advantages and Drawbacks
自主智能体被视为工业场景中应用的突出技术。传统的自动化解决方案正在努力应对与高动态性、快速驱动、异构实体(包括人类)和分散决策相关的挑战。除了推广概念、语言和工具来应对这些挑战外,代理还必须提供高可靠性。为了评估如何适当和成熟的工业应用的代理,我们已经调查了它的应用在两个场景的天然气和石油工业。本文介绍了系统的发展和初步结果,突出的优点和缺点的代理人的方法相比,现有的自动化解决方案。
2020-06-10 cs.MA cs.SE cs.SY
SceneGenAgent: Precise Industrial Scene Generation with Coding Agent
Tsinghua University(清华大学);Siemens Ltd., China(西门子(中国)有限公司)
提出基于LLM的代理SceneGenAgent,通过C#代码生成精确工业场景,结合结构化布局规划、验证与迭代细化,在真实任务中达81.0%成功率,并构建SceneInstruct数据集微调开源模型使其接近GPT-4o性能。
2025-06-26 cs.CL cs.LG cs.SE
An Industrial Experience Report about Challenges from Continuous Monitoring, Improvement, and Deployment for Autonomous Driving Features
本文通过专家访谈和文献研究,识别并讨论了汽车领域采用持续开发、部署与监控(CDDM)的特定挑战,以填补增强安全自动驾驶系统软件开发的研究空白。
2024-03-14 cs.SE cs.SY eess.SY