Symbolic Runtime Verification for Monitoring under Uncertainties and Assumptions
验证处理的是系统运行是否符合其规范的问题。本文研究了运行时验证的部分知识的存在下观察到的运行，特别是在输入值可能不精确或可能根本没有观察到。我们还允许声明执行的假设，允许在不精确的输入下获得更精确的判决。为此，我们将展示如何理解一个给定的正确性属性作为一个符号公式，并解释说，监测归结为迭代地解决这个公式，每当越来越多的观察运行。我们基于我们的框架流运行时验证，它允许表达时间的正确性属性，不仅在布尔，而且在更丰富的逻辑理论。虽然一般来说，我们的方法需要考虑越来越大的公式集，但我们确定了存在修剪策略的域（包括布尔和线性代数），这允许使用恒定内存进行监控（即独立于观察的长度），同时保留与记住所有观察的监控器相同的推理能力。我们凭经验展示了我们的技术的力量，使用原型实现下两个重要的案例研究：软件测试汽车排放和心率监测。
2022-07-12 cs.LO
Improving BDD Based Symbolic Model Checking with Isomorphism Exploiting Transition Relations
基于BDD的符号化模型检验大大提高了模型检验的适用性。然而，基于BDD的符号模型检验仍然非常消耗内存和时间。一个主要原因是系统之间复杂的过渡关系。有时，由于其穷举存储要求，甚至不可能生成转换关系。为了减少这个问题，已经提出了使用分区的过渡关系。然而，仍然有一些系统根本无法验证。此外，如果分区的粒度太细，则验证所需的时间可能增加。在本文中，我们的目标是异步并发系统的符号验证。对于这样的系统，我们提出了一种方法，它使用的相似性的过渡关系，以获得进一步的内存减少和运行时的改善。通过应用我们的方法，即使是以前棘手的过渡关系的系统的验证变得可行。
2011-06-07 cs.LO
From Bounded Checking to Verification of Equivalence via Symbolic Up-to Techniques
我们提出了一个有界等价性验证技术的高阶程序与局部状态。该技术结合了完全抽象的符号环境互模拟类似的符号游戏语义，新的技术，轻量级的状态不变的注释。这产生了没有假阳性或假阴性的等效性验证技术。该技术是有界完备的，因为所有的不等式都是自动检测到足够大的界限。此外，几个硬等价证明自动或后被注释与状态不变量。我们在一个名为Hobbit的工具原型中实现了该技术，并使用一组广泛的新的和现有的示例对其进行基准测试。霍比特人可以证明许多经典的等价关系，包括所有迈耶和西伯的例子。
2021-10-22 cs.LO cs.PL
Trustworthy Verification of RISC-V Binaries Using Symbolic Execution in HolBA
本文提出基于 HOL4 与 HolBA 的 RISC-V 二进制可信形式化验证工具链，利用 BIR 前向符号执行自动证明二进制契约，并在 ChaCha20 和内核上下文切换汇编上完成验证。
2025-03-18 cs.LO
symQV: Automated Symbolic Verification of Quantum Programs
我们提出了symQV，一个符号执行框架，用于在量子线路模型中编写和验证量子计算。symQV可以自动验证量子程序是否符合一阶规范。我们正式介绍了一个符号量子程序模型。这允许在SMT公式中编码验证问题，然后可以使用delta-完全决策过程进行检查。我们还提出了一个抽象技术，以加快验证过程。实验结果表明，该抽象将symQV的可扩展性提高了一个数量级，可以扩展到具有24个量子比特（2^24维状态空间）的量子程序。
2022-12-05 cs.LO quant-ph
Symbolic Time and Space Tradeoffs for Probabilistic Verification
我们提出了一个更快的符号算法的概率验证中的中心问题：计算马尔可夫决策过程（MDP）的最大端分量（MEC）分解。这个问题推广了图的SCC分解问题和马氏链的闭递归集问题。符号算法的模型广泛用于形式验证和模型检查，其中对输入模型的访问仅限于符号操作（例如，基本集合运算和一步邻域的计算）。对于具有$n$顶点和$m$边的输入MDP，20世纪90年代用于MEC分解的经典符号算法需要$O(n^2)$符号运算和$O(1)$符号空间。用于MEC分解的唯一其它符号算法需要$O(n \sqrt{m})$符号运算和$O(\sqrt{m})$符号空间。一个主要的未决问题是，符号运算的最坏情况$O(n^2)$是否可以被击败。我们提出了一个符号算法，需要$\widetilde{O}(n^{1.5})$符号操作和$\widetilde{O}(\sqrt{n})$符号空间。此外，我们的算法的参数化提供了符号操作和符号空间之间的权衡：对于所有的$0<ε\leq 1/2$的符号算法需要$\widetilde{O}(n^{2-ε})$符号操作和$\widetilde{O}(n^ε)$符号空间（$\widetilde{O}$隐藏多对数因子）。使用我们的技术，我们提出了更快的算法，用于计算$ω$的几乎肯定获胜的地区-MDPs的常规目标。我们认为$ω$ -定期目标的规范奇偶校验目标，并与$d$ -优先级的奇偶校验目标，我们提出…
2021-04-15 cs.GT cs.LO
Neuro-Symbolic Verification of Deep Neural Networks
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；TU Darmstadt（达姆施塔特工业大学）
形式化验证已成为确保深度神经网络安全性和可靠性的有力手段。然而，目前的验证工具仅限于少数属性，这些属性可以表示为网络输入和输出的一阶约束。虽然对抗鲁棒性和公平性属于这一类，但许多现实世界的属性（例如，“自动驾驶车辆必须在停车标志前停车”）仍然在现有验证技术的范围之外。为了减轻这种严重的实际限制，我们引入了一种新的框架来验证神经网络，命名为神经符号验证。其关键思想是使用神经网络作为逻辑规范的一部分，从而能够验证各种复杂的真实世界属性，包括上面的属性。此外，我们演示了如何神经符号验证可以实现现有的验证基础设施之上的神经网络，使我们的框架很容易访问的研究人员和从业者一样。
2022-03-02 cs.AI cs.LG cs.LO
Automatic Verification of Iterated Separating Conjunctions using Symbolic Execution
在诸如分离逻辑之类的权限逻辑中，迭代分离合取是表示对堆位置的无界集合的访问权限的量词。与递归谓词相反，迭代分离合取并不规定它们所覆盖的位置的结构，因此不限制如何遍历和修改这些位置。这种灵活性对于验证随机存取数据结构（例如数组）和可以以多种方式遍历的数据结构（例如图形）是重要的。尽管它的有用性，没有自动程序验证原生支持迭代分离合取，他们是特别难以纳入符号执行引擎，流行的技术，为这些逻辑建立验证。在本文中，我们提出了第一个符号执行技术，以支持一般迭代分离合取。我们提出了一种新的表示符号堆和灵活的支持，量化堆位置的逻辑规范。我们的技术表现出可预测的和快速的性能，尽管在SMT级别采用量词，通过仔细控制量词实例。它与权限逻辑的其他功能兼容，如部分权限、递归谓词和抽象函数。我们的技术是实现作为一个扩展的毒蛇验证基础设施。
2016-05-06 cs.LO cs.PL
Gradual Verification for Smart Contracts
针对外部合约实现缺失导致重入攻击难以验证的问题，本文提出结合静态与动态技术的渐进式验证方法，并通过 pyTEAL 上的 Algorand 原型验证其安全、灵活与资源优化效果。
2024-07-03 cs.CR cs.LO cs.PL
Forward Symbolic Execution for Trustworthy Automation of Binary Code Verification
Uppsala University（乌普萨拉大学）；KTH Royal Institute of Technology（皇家理工学院）；Intel Labs（英特尔实验室）
本文提出了一种面向符号执行的理论，用于在可信系统中自动验证二进制代码的功能和非功能属性，通过HOL4定理证明器实现了该理论，并展示了其在RISC-V和ARM Cortex-M0上的应用效果。
2026-01-13 cs.CR cs.LO cs.PL
Weakly acyclic diagrams: A data structure for infinite-state symbolic verification
针对OBDDs无法处理无限状态系统的局限，提出弱无环图（WADs）这一OBDDs泛化结构，保留其算法优势并支持无限语言表示，可用于多种无限状态系统的符号模型检测。
2025-02-17 cs.DS cs.LO
Hardware/Software Co-verification Using Path-based Symbolic Execution
用于正式硬件/软件协同验证的常规工具使用有界模型检验技术来构造单个整体命题公式。以这种方式生成的公式非常复杂，并且包含大量不相关的逻辑，因此即使是最先进的Satis能力（SAT）求解器也很难解决。在典型的硬件/软件协同设计中，固件只使用硬件状态空间的一小部分，我们可以使用这个观察结果来生成更简单和更简洁的公式。在本文中，我们提出了一种新的验证算法的硬件/软件协同设计，确定分区的固件和硬件逻辑有关的可行的执行路径，通过基于路径的符号模拟与自定义路径修剪，属性引导切片和增量SAT解决。我们已经在我们的工具COVERIF中实现了这种方法。我们已经通过实验比较了COVERIF与基于单片BMC的协同验证工具HW-CBMC，并观察到HW-CBMC的平均速度提高了5倍，以证明安全属性以及检测开源通用异步接收器发送器设计和大型SoC设计中的关键协同设计错误。
2020-01-05 cs.FL cs.LO
Effective Pre-Silicon Verification of Processor Cores by Breaking the Bounds of Symbolic Quick Error Detection
我们提出了一种新的方法来预硅处理器设计的验证。硅前验证的目的是在早期阶段发现设计中的逻辑错误，从而避免时间和成本密集的硅后调试。我们的方法依赖于符号快速错误检测（符号QED或SQED）。SQED的目标是通过结合有界模型检验（BMC）和QED测试来发现设计的符号表示中的逻辑错误。QED测试在生成触发bug的短指令序列（跟踪）方面非常强大。我们扩展了现有的SQED方法与象征性的起始状态。这样，我们使BMC工具能够在生成跟踪时任意选择起始状态。为了避免误报，（例如，在根据处理器指令集体系结构可能不具有的不可达状态中开始的跟踪），我们定义约束以限制可能的开始状态的集合。我们证明，这些约束条件，连同合理的假设系统的行为，使我们能够避免误报。使用我们的方法，我们发现了开源RISC-V处理器内核中以前未知的漏洞，这些漏洞是现有方法无法检测到的。此外，我们的新方法在检测具有长痕迹的错误和检测硬件木马方面优于现有方法，即，未经授权的设计修改。
2021-06-18 cs.AR cs.LO
Formal Verification of Safety Properties Using Interpolation and k-induction
本技术报告介绍了使用SAT/SMT求解器的两种符号模型检验算法的实现，即基于插值的模型检验和基于k-归纳的模型检验。并对这两种模型检验算法进行了比较分析。
2022-07-04 cs.LO
Verifying Reachability Properties in Markov Chains via Incremental Induction
在概率验证和非概率验证之间存在可扩展性差距。概率模型检验工具基于显式引擎或（多端）二元决策图。这些结构在非概率验证领域得到了更可扩展的技术（如IC3）的补充。我们提出了一个符号概率模型检验算法的基础上IC3类增量建设的归纳条款划分的状态空间，交错与增量建设的线性不等式系统。本文比较了我们的实现标准的定量验证的替代方案：我们的实验表明，我们的算法是一个步骤，以更可扩展的符号验证有限状态马尔可夫链中的罕见事件。
2019-09-19 cs.LO
Eidoku: A Neuro-Symbolic Verification Gate for LLM Reasoning via Structural Constraint Satisfaction
Independent Researcher（独立研究者）
Eidoku通过结构约束满足方法有效检测LLM推理中的结构不一致幻觉，提供神经符号验证机制。
2025-12-19 cs.AI cs.LO
Neuro-Symbolic Verification of LLM Outputs for Data-Sensitive Domains (extended preprint)
University of Bamberg（巴姆堡大学）；Free University of Berlin（柏林自由大学）
提出一种结合形式符号方法与神经语义分析的混合验证架构，用于检测LLM输出中的幻觉、不一致和隐私漏洞，在医疗设备损伤评估系统中实现83%的结构化实体幻觉检测率和72%的语义虚构检测率。
2026-05-29 cs.AI cs.LO cs.SE
COBALT-TLA: A Neuro-Symbolic Verification Loop for Cross-Chain Bridge Vulnerability Discovery
QreativeLab
COBALT-TLA结合LLM与TLA+模型检查器，通过自动REPL循环发现跨链桥漏洞，首次自主识别Optimistic Relay Attack漏洞类。
2026-04-14 cs.CR cs.LO
Boosting the Bounds of Symbolic QED for Effective Pre-Silicon Verification of Processor Cores
在预硅验证期间确保功能正确性和硬件信任的现有技术面临严重的限制。在这项工作中，我们系统地利用两个关键思想：1）符号快速错误检测（符号QED或SQED），一种使用有界模型检验（BMC）的最新错误检测和定位技术;以及2）符号起始状态，以提供一种方法，该方法：i）有效地检测“困难的”逻辑错误和硬件木马，即使在传统BMC技术失败的长激活序列的情况下;以及ii）不需要熟练的手动指导来编写测试台、编写特定于设计的断言或调试虚假的反例。使用开源RISC-V内核，我们演示了以下内容：1.快速（有序标量内核<5分钟，无序超标量内核<2.5小时）检测来自商业芯片和研究文献的数百个逻辑错误和硬件木马场景的100%，以及97.9%的“极端”错误（随机生成的错误，需要从随机测试程序中获取约100，000条激活指令）。2.快速（约1分钟）检测开源RISC-V设计中的几个以前未知的错误。
2021-06-17 cs.AR cs.CR cs.LO
Optimized Symbolic Interval Propagation for Neural Network Verification
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
神经网络越来越多地应用于安全关键领域，因此其验证变得越来越重要。目前证明前馈神经网络输入输出关系的算法中有一大类是基于线性松弛和符号区间传播的。然而，由于变量的依赖性，近似随着网络深度的增加而恶化。在本文中，我们提出了DPNeurifyFV，这是一种用于低维输入空间的ReLU网络的新型分支定界求解器，它基于具有新鲜变量和输入分裂的符号区间传播。一个新的启发式选择新鲜的变量可以改善依赖性问题，而我们的新的分裂启发式，结合其他几个改进，加快了分支定界过程。我们评估我们的方法在空中防撞网络ACAS徐和演示运行时的改进相比，国家的最先进的工具。
2022-12-15 cs.AI cs.CR cs.LG
Analyzing Deep Neural Networks with Symbolic Propagation: Towards Higher Precision and Faster Verification
State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所计算机科学国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；National University of Defense Technology（国防科技大学）；University of Liverpool（利物浦大学）；Institute of Intelligent Software, Guangzhou（广州智能软件研究院）
深度神经网络（DNN）已经被证明缺乏鲁棒性，因为它们的分类容易受到输入上的小扰动的影响。这导致了将DNN应用于安全关键域的安全问题。已经开发了几种验证方法来自动证明或反驳DNN的安全属性。然而，这些方法遭受可扩展性问题，即，只能处理小的DNN，或者精度问题，即，得到的边界是松散的。本文改进了最近提出的分析DNN通过经典的抽象解释技术，通过一种新的符号传播技术。更具体地说，神经元的值被符号化地表示，并在抽象域之上从输入层向前传播到输出层。我们表明，我们的方法可以实现显着更高的精度，从而可以证明更多的属性比只使用抽象域。此外，我们表明，来自我们的方法对隐藏的神经元的界限，当应用到一个国家的最先进的SMT基于验证工具，可以提高其性能。我们将我们的方法实现到一个软件工具中，并在一些在MNIST等基准数据集上训练的DNN上对其进行验证。
2021-02-23 cs.LG cs.LO
Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model
本文提出基于模糊Dolev-Yao攻击者模型的分级符号验证方法，通过引入连续度量$μ_K$和T-范数泄露更新，改进传统二元攻击者知识抽象，揭示在累积侧信道泄露下协议安全性的变化。
2026-04-16 cs.CR cs.FL cs.LO
Modeling and Verification of Agent based Adaptive Traffic Signal using Symbolic Model Verifier
本文讨论了多Agent系统（MAS）场景的建模与验证问题。我们已经考虑了基于代理的自适应交通信号系统。该系统监测两个路段交叉口的交通畅通。在描述了如何有效地使用自适应交通信号灯系统，并显示其优势，交通信号与预定的周期，我们已经展示了如何将这种情况下，我们可以转换为有限状态机（FSM）。一旦系统被转换成FSM，我们已经验证了规范中指定的计算树逻辑（CTL）使用NuSMV作为模型检验工具。从NuSMV获得的仿真结果表明，我们是否满足系统的规格或不。它还向我们展示了系统规范不成立的状态。使用它我们可以追溯到我们的系统，找到源，导致规范违反。最后，我们再次验证了修改后的系统与NuSMV的规格。
2012-08-16 cs.LO cs.SE
Current-State Opacity in Safe Partially Observed Quantum Petri Nets: True-Concurrency Semantics and Exact Symbolic Verification
Institute of Systems Engineering, Macau University of Science and Technology（澳门科技大学系统工程研究所）
本文提出在安全部分观测量子Petri网中使用真正的并发语义来定义当前状态模糊性，并通过精确符号验证算法评估量子后状态泄漏，解决了传统离散事件系统中无法捕捉混合架构安全漏洞的问题。
2026-04-20 cs.LO quant-ph
Symbolic Specification and Reasoning for Quantum Data and Operations
Centre for Quantum Software and Information, University of Technology Sydney（悉尼科技大学量子软件与信息中心）
本文提出符号操作逻辑（SOL）框架，用于量子数据和操作的符号规范与推理，为量子计算的正式验证和自动定理证明提供理论基础。
2025-12-26 cs.LO cs.PL quant-ph
Symbolic Automatic Relations and Their Applications to SMT and CHC Solving
尽管最近在自动程序验证方面取得了进展，但递归数据结构的推理仍然是验证工具及其后端（如SMT和CHC求解器）的挑战。为了解决这一问题，我们引入了符号自动机关系（SAR）的概念，它将符号自动机和自动关系结合起来，并继承了它们在布尔运算下的封闭性等优良性质。我们认为SAR的可满足性问题，并表明，它是不可判定的一般，但我们可以构建一个健全的（但不完整）和自动满足性检查减少CHC解决。讨论了该方法在数据结构上的SMT和CHC求解中的应用，并通过实验验证了该方法的有效性。
2021-08-17 cs.LO cs.PL
SMT Queries Decomposition and Caching in Semi-Symbolic Model Checking
在半符号（控制-显式数据-符号）模型检验中，状态空间爆炸问题通过位向量理论上的一阶公式表示状态集来解决。在这种模型检验方法中，大部分验证时间都花在SMT求解器上，用于确定量化查询的可满足性，这些量化查询表示符号状态的相等性。在本文中，我们介绍了一个新的计划分解的符号状态，它可以用来显着提高任何半符号模型检查器的性能。使用分解，与原始情况相比，模型检查器可以向求解器发出更简单和更小的查询。一些SMT调用甚至可以完全避免，因为一些简化公式的满足可以从语法上决定。此外，分解允许用于量化公式的高效缓存方案。为了支持我们的理论贡献，我们展示了我们的模型检查器SymDIVINE的性能增益的一组例子，从软件验证比赛。
2017-11-20 cs.LO cs.PL
ATL*AS: An Automata-Theoretic Approach and Tool for the Verification of Strategic Abilities in Multi-Agent Systems
本文提出面向无限迹与有限迹语义的 ATL* 符号化模型检测算法，并在 ATL*AS 工具中实现，实验证明其在可扩展性和效率上优于现有方法。
2025-10-21 cs.LO cs.MA
Towards Neuro-symbolic Causal Rule Synthesis, Verification, and Evaluation Grounded in Legal and Safety Principles
Hasso Plattner Institute \ of Potsdam Prof.-Dr.-Helmert Str. 2-3, D-14482 Potsdam, Germany；Hasso Plattner Institute \ of Potsdam
本文提出一种神经符号因果框架，结合一阶逻辑抽象树、结构因果模型和深度强化学习，通过Meta层缓解目标误指定问题，实现可扩展的规则维护。
2026-05-11 cs.AI cs.LO
Vancomycert: A Certified Neuro-Symbolic Drug Delivery System (Case Study)
University of Southampton（南安普顿大学）；University of Edinburgh（爱丁堡大学）；Heriot-Watt University（赫瑞瓦特大学）；IT University of Copenhagen（哥本哈根信息技术大学）；Schlumberger Cambridge Research（施伦伯格剑桥研究院）
针对抗生素给药神经网络控制器的形式化验证问题，提出一种结合监督学习和定理证明的方法，确保无限时域内自动给药不超过治疗上限。
2026-06-19 cs.LO
Parikh's Theorem Made Symbolic
针对符号自动机应用Parikh定理产生指数级公式膨胀的问题，提出一种多项式时间的新型构造算法，避免指数膨胀，并扩展至参数化符号文法，有效求解复杂字符串约束。
2024-07-31 cs.FL cs.LO
Quantitative Linear Logic for Neuro-Symbolic Learning and Verification
Maynooth University（梅诺斯大学）；University of Southampton（南安普顿大学）；University of Strathclyde（斯特拉思克莱德大学）；Independent Researcher（独立研究员）
本文提出量化线性逻辑（QLL），通过自然性原则设计，将逻辑约束转化为机器学习实践中常用的运算，如求和和对数求和指数，以解决神经符号学习与验证中的逻辑与语义之间的平衡问题。
2026-05-14 cs.LG cs.LO
Gillian: Compositional Symbolic Execution for All
我们提出了Gillian，一个独立于语言的框架，用于开发成分符号分析工具。Gillian支持三种风格的分析：全程序符号测试，完全验证和双向溯因。它带有完全参数化的元理论结果和模块化的实现，旨在最大限度地减少用户所需的实例化工作。我们评估Gillian通过实例化它到JavaScript和C，并执行一组数据结构库的分析，获得的结果表明，Gillian是足够强大的原因，现实世界的程序设计语言。
2020-01-14 cs.LO cs.PL
Incremental Symbolic Bounded Model Checking of Software Using Interval Methods via Contractors
有界模型检验（BMC）对于发现程序属性冲突至关重要。对于不安全的程序，BMC可以快速找到从初始状态到违反状态的执行路径，从而反驳给定的安全属性。然而，BMC技术难以伪造包含循环的程序。BMC需要将程序循环逐步展开到绑定$k$，从而暴露属性冲突，这可能导致探索相当大的状态空间。在这里，我们描述和评估的第一个验证方法的基础上，通过承包商的区间方法，以减少域的变量表示的搜索空间。这种减少是基于建模为代表承包商约束的函数的指定属性。特别是，我们利用区间方法通过承包商增量分析程序循环变量和合同的属性保证举行修剪搜索探索的域，从而减少资源消耗积极。实验结果表明，我们所提出的方法的效率和有效性在一个大的基准集，包括$7044$验证任务，与国家的最先进的BMC工具相比。我们提出的方法可以减少内存使用高达$75$ \%，而验证$1$ \%更多的验证任务。
2022-09-21 cs.LO cs.SE
Leveraging the Power of Graph Algorithms: Efficient Algorithms for Computer-Aided Verification
本论文的目标是利用快速图算法和现代算法技术解决图、MDP和博弈图上的模型检验和综合问题。结果包括符号算法，一个众所周知的算法在模型检验，贸易有限的访问输入模型的有效表示。特别是，我们提出了以下结果：算法的游戏图的平均回报Büchi目标和平均回报coBüchi目标相匹配的最佳运行时间的平均回报目标的界限之一。图和MDP中Streett目标的近线性时间随机算法。图中有界Büchi目标的次三次时间算法和对策图的三次时间算法。博弈图和MDP中可达性目标查询的条件下界。图和MDP中顺序可达性目标的线性和近线性时间算法。博弈图中奇偶目标的第一个拟多项式时间符号算法。我们打破了一个长期的运行时间界MEC分解从90年代提供了一个次二次时间符号算法。
2022-02-05 cs.DS cs.LO
Gradual Classical Logic for Attributed Objects - Extended in Re-Presentation
我们对事物的理解是概念性的。通过陈述我们对对象进行推理，事实上我们操纵的不是对象，而是涉及它们的概念。现在，只要我们承认一个对象所从属的无限延伸的概念，如空间、时间、大小、颜色等，简言之，任何合理的性质，就不可能在涉及对象的概念中肯定原子性。然而，形式/符号逻辑通常假定其他表达式建立在其上的原子实体。我们能把我们对概念的直觉反映到形式/符号逻辑上吗？我保证我们可以，但是关于原子性的通常观点需要检查。在这项工作中，我提出了渐进的逻辑，具体化的观察，我们不能区分是否被视为原子实体是原子或只是原子足以不被认为是非原子。其动机是捕捉自然发生在具有属性的概念周围的某些现象，包括预设和反义词。我提出的逻辑细节的逻辑，然后映射到形式语义。两个语言学上有趣的语义将被考虑。可决定性已经显现。
2015-04-19 cs.AI cs.CL cs.LO
User-Guided Verification of Security Protocols via Sound Animation
本文提出一种基于交互树和Isabelle/HOL验证的用户引导协议动画方法，使设计者能直观调试并验证安全协议，弥合形式验证与设计实践之间的鸿沟。
2024-10-01 cs.CR cs.LO
Time-Darts: A Data Structure for Verification of Closed Timed Automata
符号数据结构在模型检验时系统中的应用已成为一个重要的研究课题，在一些成熟的验证工具中，差分边界矩阵（DBMs）仍然是首选的数据结构。相比之下，离散化提供了一个简单的选择，所有的操作都具有线性时间复杂度的时钟数，但有效的封闭系统的一大类。不幸的是，细粒度的离散化会导致状态空间爆炸。我们引入了一种新的数据结构，称为时间箭头的符号表示的状态空间的时间自动机。与完全离散化相比，单个时间镖允许表示任意大的状态集合，但是时间镖上的操作的时间复杂度在时钟数量上保持线性。我们证明了建议的可达性算法的正确性，并进行了几个实验，以比较性能的时间飞镖和完全离散化。主要结论是，在我们所有的实验中，时间镖方法优于完全离散化，它的规模显着更好的模型与较大的常数。
2012-11-27 cs.DS cs.LO
Bounded Symbolic Execution for Runtime Error Detection of Erlang Programs
动态类型语言，如Erlang，允许开发人员快速编写程序，而无需显式提供表达式或函数定义的任何类型信息。然而，这个特性使得这些语言比静态类型语言更不可靠，因为静态类型语言中的许多运行时错误可以在编译时检测到。在本文中，我们提出了一个工具，通过使用著名的元编程和符号执行技术，可以用来执行有界验证的Erlang程序的初步工作。特别是，通过使用约束逻辑编程，我们开发了一个解释器，给出了一个Erlang程序和该程序的符号输入，返回回答约束，表示Erlang程序生成运行时错误的具体数据集。
2018-09-13 cs.LO cs.PL
Parameterized Dynamic Logic -- Towards A Cyclic Logical Framework for General Program Specification and Verification
本文提出参数化动态逻辑DLp，通过引入程序配置标签支持符号执行与语法结构推理，构建循环预证明系统保证无限证明树可靠性，为通用程序规约与验证提供灵活框架。
2025-01-29 cs.LO cs.SE
Foundations for Entailment Checking in Quantitative Separation Logic (extended version)
定量分离逻辑（QSL）是分离逻辑（SL）的扩展，用于概率指针程序的验证。在QSL中，公式计算为实数而不是真值，例如，在给定的符号堆中，内存安全终止的概率。与\SL一样，使用QSL进行推理时的一个关键问题是\emph{entailment}：公式f是否包含另一个公式g？我们给出了从QSL中的蕴涵检查到SL中的蕴涵检查的一般性约简。这允许利用大量的SL研究来自动验证概率指针程序。我们分析了我们的方法的复杂性，并证明其适用性。特别是，我们得到的第一个可判定性结果，验证这些程序通过应用我们的减少到一个量化的扩展著名的符号堆片段的分离逻辑。
2022-01-27 cs.LO cs.PL
Software Model Checking with Explicit Scheduler and Symbolic Threads
在许多实际的应用领域中，软件被组织成一组线程，其激活是排他性的，并由一个合作的调度策略控制：线程执行，没有任何中断，直到它们终止或明确地将控制权交给调度程序。这种软件的形式化验证提出了重大挑战。一方面，每个线程可能有无限的状态空间，并且可能需要抽象。另一方面，调度策略通常对于正确性很重要，并且基于抽象调度器的方法可能导致精度损失和误报。不幸的是，将问题转化为纯粹的顺序软件模型检验问题对于现有技术来说是非常低效的。我们提出了一种利用这些程序的内在结构的软件模型检验技术。每个线程都被转换成一个单独的顺序程序，并通过惰性抽象进行象征性的探索，而整体验证则由调度程序的直接执行来协调。该方法是通过过滤的探索调度器与偏序约简的集成优化。该技术，称为ESST（显式线程，符号线程）已实施和实验评估的一组重要的基准。结果表明，ESST技术是更有效的方式比软件模型检验应用于序列化程序，和偏序约简可以导致进一步的性能改善。
2012-07-31 cs.LO cs.PL
