A Testing Scheme for Self-Adaptive Software Systems with Architectural Runtime Models
自适应软件系统(SASS)配备有反馈回路,以自主地适应软件或环境的变化。在已建立的领域,如嵌入式软件,已经开发出复杂的方法来系统地研究反馈回路早期在开发过程中。为了涵盖反馈的特殊性,包括单向和在环仿真和测试等技术。然而,目前缺乏系统测试SASS的相关方法。因此,在本文中,我们提出了一个系统的测试方案,SASS,允许工程师测试的反馈回路在开发早期利用建筑运行时模型。这些在开发早期可用的模型通常在运行时由反馈循环的活动使用,并且它们提供了合适的高级抽象来描述测试输入以及预期的测试结果。我们通过一个小的案例研究,进一步概述了我们的想法与一些初步的评估结果。
2018-05-17 cs.SE
ActivFORMS: A Formally-Founded Model-Based Approach to Engineer Self-Adaptive Systems
自适应为计算系统配备了一个反馈回路,使其能够处理由操作期间的不确定性引起的变化,例如资源可用性的变化和工作负载的波动。为了确保系统符合适应目标,最近的研究表明,在运行时使用正式的技术。然而,现有的方法有三个限制,影响他们的实际适用性:(i)他们忽略了反馈回路的行为的正确性,(ii)他们依赖于在运行时的穷举验证,以选择适应选项,以实现适应目标,这是时间和资源的要求,以及(iii)他们提供有限的或没有支持,在运行时改变适应目标。为了解决这些缺点,我们提出了ActivFORMS(自适应主动形式模型)。ActivFORMS为工程自适应系统提供了一种端到端的方法,跨越反馈循环生存周期的四个主要阶段:设计,部署,运行时适应和进化。我们还提出了ActivFORMS-ta,一个工具支持的ActivFORMS实例,利用定时自动机模型和统计模型检验在运行时。我们使用部署在鲁汶的物联网应用程序来验证研究结果。实验结果表明,ActivFORMS支持反馈环行为的正确性,以有效的方式实现自适应目标,并支持在运行时改变自适应目标。
2022-03-04 cs.SE
SACRE: Supporting contextual requirements' adaptation in modern self-adaptive systems in the presence of uncertainty at runtime
不可预测的资源不可用性,不断变化的环境条件和用户需求,以及系统入侵或故障等不确定性是自适应系统当前面临的主要挑战之一。此外,今天的系统越来越复杂,分布式,去中心化等,因此必须推理和应对越来越多的不可预测事件。在当今复杂的系统中,仍然缺乏处理这种不断变化的要求的方法。这项工作提出了SACRE(智能适应通过上下文的要求),我们的方法利用自适应反馈回路来检测自适应系统的上下文的不确定性影响的要求,并集成机器学习技术,以确定最佳的操作上下文的基础上,在运行时的感知数据。SAGRE是我们以前的方法ACon的一个进步,ACon的重点是在上下文需求中适应上下文,以及它们的基本实现。SACRE主要关注架构决策,解决自适应系统的工程挑战。在本文中,我们进一步推进了ACon的工作,在智能汽车这一要求极高的领域中,在不同的不确定性场景中实时对整个方法进行了评估。实时评估是在模拟环境中进行的,其中智能车辆是通过软件组件实现的。评估结果提供了经验证据SACRE在真实和复杂的软件系统领域的适用性。
2018-03-05 cs.SE
Human-Machine Collaboration and Ethical Considerations in Adaptive Cyber-Physical Systems
本文针对自适应信息物理系统中人机编组面临的运行节奏差异和隐私伦理挑战,提出将人机交互原则融入自适应反馈回路的新方法,并构建覆盖系统全生命周期的伦理与人类价值观集成验证框架。
2025-07-03 cs.HC cs.SE
Software Runtime Monitoring with Adaptive Sampling Rate to Collect Representative Samples of Execution Traces
本研究提出一种带统计学基础算法的自适应软件运行时监控流程,可动态调整采样率,在较低性能影响下提升执行轨迹样本代表性,效果优于传统反比采样策略。
2023-05-01 cs.SE
Runtime Monitoring of Human-centric Requirements in Machine Learning Components: A Model-driven Engineering Approach
针对ML组件部署前监控难以应对动态演变的多个人为中心需求的问题,提出一种基于模型驱动工程的运行时监控新方法,以更全面地监控ML组件,论文还介绍了博士研究的动机、进展与计划。
2023-10-10 cs.SE
Requirements-Driven Dynamic Adaptation to Mitigate Runtime Uncertainties for Self-Adaptive Systems
School of EECS, Peking University(北京大学信息科学技术学院)
本文提出REDAPT框架,通过在需求阶段引入自适应目标模型,动态适应机制缓解自适应系统运行时不确定性,通过模拟实验验证其有效性。
2017-04-03 cs.SE cs.SY eess.SY
A Learning Approach to Enhance Assurances for Real-Time Self-Adaptive Systems
实时的【形】属性的保证容易受到上下文变化的影响。在设计时提供这种保证需要检查所有可能的上下文和系统变化,或者预测实际使用的是哪一个。这两种情况在实践中都不可行,因为有太多的可能性可以预见。此外,为自适应系统提供充分保证所需的知识仅在运行时可用,因此难以在早期开发阶段预测。尽管在设计或运行时的自适应系统的保证的所有努力,仍然有一个缺口,验证和验证实时的【形】约束的上下文可变性。为了填补这一空白,我们提出了一种方法来提供保证的自适应系统,在设计和运行时,特别关注实时的【形】约束。我们结合离线的需求获取和模型检验与在线数据汇集和数据采掘,以保证系统的目标,功能和非功能,与微调的适应政策,对质量属性的优化。我们实验评估我们的方法在OpenDaVINCI中实现的身体传感器网络系统(BSN)的模拟原型。验证的结果是有希望的,并表明我们的方法是有效的,提供证据,支持提供保证。
2018-04-03 cs.SE
Towards Adaptive Compliance
关键任务软件通常需要遵守多个法规、标准或政策。最近的范例,例如云计算,也要求软件在异构的、高度分布的和变化的环境中操作。在这些环境中,法规遵从性要求可能在运行时发生变化,通常在设计时应用的传统法规遵从性管理技术可能不再够用。在本文中,我们激励自适应合规性的需要,说明可能的合规性问题,由运行时的变化。我们进一步激励我们的工作通过一个云计算方案,并提出两个主要的贡献。首先,我们提出并证明了一个过程,以支持自适应的合规性,延长传统的合规性管理生命周期的活动的分析-计划-执行(MAPE)循环,并通过重新配置制定适应。其次,我们探讨了文献的软件合规性和现有的工作进行分类的活动和关注的自适应合规性。通过这种方式,我们确定了文献如何支持我们的建议,以及为了完全支持适应性合规需要解决的开放研究挑战是什么。
2016-11-17 cs.SE
Achieving Adaptation for Adaptive Systems via Runtime Verification: A Model-Driven Approach
自适应系统(SAS)能够调整其行为,以响应操作环境和自身的有意义的变化。这种适应需要在运行时通过自我管理的反应和决策过程自动执行。为了支持这种自动行为,SAS必须被赋予丰富的运行时支持,可以检测需求冲突并对适配决策进行推理。SAS需求工程的主要目标是对适配逻辑和机制进行建模。需求模型将指导系统的设计决策和运行时行为。本文提出了一种模型驱动的方法,实现适应非功能性需求(NFR),即可靠性和性能。该方法从RE阶段的模型开始,为自适应提供运行时支持。我们捕获的目标模型中的图形元素的适应机制。通过赋予相关系统任务可靠性和性能属性,我们得到了用于描述系统行为可靠性和性能的标记时序图。为了形式化系统行为,我们将需求模型转换为相应的行为模型,用标签转换系统(LTS)表示。为了分析系统的可靠性要求和性能要求,将时序图和LTS分别合并为可变离散时间马尔可夫链(DTMC)和可变连续时间马尔可夫链(CTMC)。适应候选者的特征在于可变状态。通过验证相关的NFR和减少决策空间来获得最优决策。我们的方法是通过一个移动信息系统的演示来实现的。
2017-04-04 cs.LO cs.SE
Report on A Formally-Founded Model-Based Approach to Engineer Self-Adaptive Systems
自适应系统管理自己,以处理只能在操作过程中解决的不确定性。实现自适应的一种常见方法是在系统中添加一个反馈回路,该反馈回路监视系统并使其适应以实现一组适应目标。ActivFORMS(Active FORmal Models for Self-adaptation)为工程自适应系统提供了一种端到端的方法。ActivFORMS依赖于反馈回路,该反馈回路由正式验证的模型组成,这些模型在运行时直接部署和执行,以实现自适应。在运行时,该方法依赖于统计验证技术,允许有效的分析可能的适应选项。此外,ActivFORMS支持适应目标的动态更改和验证模型的更新,以满足新的目标。ActivFORMSi提供了一个工具支持的ActivFORMS实例。该方法已使用物联网应用程序进行验证,用于建筑安全监控。本报告为论文“ActivFORMS:一种正式建立的基于模型的自适应系统工程方法”[Weyns and Iftikhar 2019]提供了补充材料。
2021-12-12 cs.SE
AgentSpawn: Adaptive Multi-Agent Collaboration Through Dynamic Spawning for Long-Horizon Code Generation
AutoHand Evolve
AgentSpawn通过动态生成实现长周期代码生成的自适应多智能体协作,提升完成率并降低内存开销。
2026-02-05 cs.MA cs.SE
MORPH: A Reference Architecture for Configuration and Behaviour Self-Adaptation
自适应系统的架构方法涉及系统配置的运行时改变(即,系统的组件、它们的绑定和操作参数)和行为更新(即,组件编排)。因此,动态重构和离散事件控制理论是体系结构自适应的核心。虽然在运行时控制配置和行为已被讨论并应用于架构自适应,自适应系统的架构往往这两个方面的化合物降低适应性的潜力。在本文中,我们提出了一个参考架构,允许协调但透明和独立的适应系统配置和行为。
2015-04-30 cs.SE
Architectural Stability Reasoning using Self-Awareness Principles: Case of Self-Adaptive Cloud Architectures
随着对软件依赖的增加,迫切需要设计长寿的软件。由于体系结构对软件的生命周期和所提供的服务质量有着深远的影响,因此稳定的体系结构是重要的资产。体系结构的稳定性往往反映了系统在支持持续变化而不逐步淘汰方面的成功。稳定性的\textit{behavioural}方面对于无缝操作是必不可少的,以持续保持质量需求的稳定,并防止体系结构的漂移和逐步淘汰。在本文中,我们提出了一个框架,在运行时的稳定性推理,利用自我意识的原则。具体来说,我们采用运行时目标管理稳定性目标,在线学习的推理稳定的长期运行,和随机游戏管理相关的权衡。我们评估所提出的工作使用的情况下,云架构在运行时的高度动态。实验结果表明,在实现预期的行为稳定运行时操作的自我意识技术的效率。
2019-12-11 cs.DC cs.SE
FEMOSAA: Feature Guided and Knee Driven Multi-Objective Optimization for Self-Adaptive Software
自适应软件(SAS)可以在运行时重新配置自己以适应不断变化的环境,旨在不断优化冲突的非功能目标,例如,响应时间,能耗,吞吐量和成本等。在本文中,我们提出了特征引导和知识驱动的多目标优化自适应软件(FEMOSAA),一种新的框架,自动协同功能模型和多目标进化算法(MOEA),优化SAS在运行时。FEMOSAA分两个阶段运行:在设计阶段,FEMOSAA自动将工程师的SAS设计转换为特征模型,以适应MOEA,创建新的染色体表示和再现算子。在运行时,FEMOSAA利用特征模型作为领域知识来指导搜索,并进一步扩展MOEA,为找到更好的解决方案提供了更大的机会。此外,我们设计了一种新的方法来寻找膝盖的解决方案,它可以实现一个平衡的权衡。我们全面评估FEMOSAA上运行的两个SAS:一个是一个高度复杂的SAS与各种适应现实世界的软件下的现实工作负载跟踪,另一个是面向服务的SAS,可以动态组成的服务。特别是,我们比较了FEMOSAA的有效性和开销对它的四个变种和其他三个基于搜索的框架SAS在各种情况下,包括三个常用的MOEA,两个工作负载模式和各种冲突的质量目标。结果显示FEMOSAA的有效性及其优于其他方法,具有较高的统计学显著性和非平凡效应量。
2018-04-22 cs.SE
Runtime Interchange for Adaptive Re-use of Intelligent Cyber-Physical System Controllers
University of Auckland(奥克兰大学);IIT Bhubaneswar(布巴内斯瓦尔印度理工学院)
网络物理系统(CPS)(诸如在自动驾驶车辆内发现的那些)越来越多地采用基于人工神经网络(ANN)的控制器。为了确保这些控制器的安全性,最近有大量的活动来正式验证基于ANN的设计。这些方法存在两个挑战:(1)此类系统的验证困难且耗时。(2)这些经过验证的控制器无法适应频繁的需求变化,这在自动驾驶等情况下是典型的。这就提出了一个问题:如何重新使用经过培训和验证的控制器,这些控制器已经经过昂贵的培训和验证过程,以处理需求变化?本文首次提出了一个新的框架,能够处理在运行时的需求变化,通过一种机制,我们长期的运行时交换这一挑战。我们的方法通过多个预先验证的控制器的持续交换和选择过程来发挥作用。它代表了智能设计面向组件工程的关键一步,因为它保留了原始控制器的行为,同时引入了额外的功能。为了证明我们方法的有效性,我们利用了现有的自动驾驶案例研究以及一组较小的基准。这些表明,引入的开销是非常小的,该方法是非常可扩展的。
2021-09-24 cs.FL cs.RO cs.SE
AdaptiveGuard: Towards Adaptive Runtime Safety for LLM-Powered Software
Monash University(墨尔本大学);The University of Melbourne(墨尔本大学);Transurban
针对 LLM 软件部署后防护栏面对新型越狱攻击性能骤降的问题,本文提出自适应防护栏 AdaptiveGuard,将新型攻击作为分布外输入检测并通过持续学习快速适应,实现 96% 检测准确率、两步适应及 85% 以上 F1 分数。
2025-09-21 cs.AI cs.CR cs.SE
Testing with Fewer Resources: An Adaptive Approach to Performance-Aware Test Case Generation
测试用例自动生成是生成高覆盖测试集的有效技术。虽然大部分研究工作都致力于满足覆盖标准,但最近出现了优化其他非覆盖方面的趋势。在这方面,运行时和内存使用是两个基本的维度:较便宜的测试减少了生成过程和后期回归测试阶段的资源需求。这项研究表明,性能感知的测试用例生成需要解决两个主要的挑战:提供一个很好的近似的资源使用以最小的开销,并避免对最终的覆盖率和故障检测有效性的不利影响。为了应对这些挑战,我们构思了一组性能代理--受先前性能测试工作的启发--提供了测试执行成本的合理估计(即,运行时和内存使用)。因此,我们提出了一个自适应的策略,称为aDynaMOSA,它利用这些代理扩展DynaMOSA,一个国家的最先进的进化算法在单元测试。我们的实证研究--涉及110个非平凡的Java类--表明,与DynaMOSA相比,我们的自适应方法生成的测试套件在运行时(-25%)和堆内存消耗(-15%)方面有统计学上的显着改进。此外,aDynaMOSA在七个不同的覆盖标准和类似的故障检测有效性上具有与DynaMOSA相当的结果。我们的实证调查还强调了性能代理的使用(即,没有自适应性)不足以在不损害整体覆盖的情况下生成更高性能的测试用例。
2019-11-08 cs.NE cs.SE
Runtime Resolution of Feature Interactions through Adaptive Requirement Weakening
本文针对信息物理系统中特征交互冲突问题,提出基于自适应需求弱化的运行时消解方法,允许冲突特征通过暂时降低性能水平共存,并利用STL需求自动弱化机制在自主无人机案例中验证了有效性。
2023-10-27 cs.FL cs.LO cs.SE
Feature-Model-Guided Online Learning for Self-Adaptive Systems
University of Duisburg-Essen(杜伊斯堡-埃森大学);University of Lille(里尔大学);Politecnico di Milano(米兰理工大学)
自适应系统可以在运行时根据其对环境、自身和需求的感知来修改其自身的结构和行为。为了开发一个自适应系统,软件开发人员编纂有关系统及其环境的知识,以及适应行为如何影响系统。然而,由于设计时间的不确定性,编码的知识可能是不够的,因此自适应系统可能执行不具有期望效果的自适应动作。在线学习是通过在运行时采用机器学习来解决设计时间不确定性的新兴方法。在线学习通过例如探索尚未执行的适应动作来在运行时积累知识。我们解决两个具体的问题,在线学习自适应系统。首先,可能的适应行动的数量可能非常大。现有的在线学习技术随机地探索可能的适应动作,但是这可能导致学习过程的缓慢收敛。第二,可能的适应行动可以改变作为系统进化的结果。现有的在线学习技术没有意识到这些变化,因此不探索新的适应动作,而是探索不再有效的适应动作。我们建议使用特征模型来构造适应动作集,从而指导在线学习的探索过程。涉及四个真实世界系统的实验结果表明,考虑特征模型的层次结构可以平均加速收敛7.2%。考虑到进化步骤之前和之后的特征模型之间的差异,可以平均加速收敛64.6%。[...]
2019-07-22 cs.LG cs.SE
Hybrid Planning with Receding Horizon: A Case for Meta-self-awareness
在工程自适应系统中,适应的质量和及时性之间的权衡是一个多方面的挑战。获得适应计划,以高效用和及时的方式实现系统目标是圣杯,然而,正如最近的研究所揭示的那样,它并不是微不足道的。混合规划是通过动态地组合多个规划器来解决时间和质量的权衡,这些规划器各自的目标是及时或高质量地执行。基于运行时信息的评估来引导最合适的计划器的选择。自适应系统的混合规划器需要(i)在运行时利用(ii)系统级以及(iii)反馈控制级信息的决策机制。在本文中,我们提出了HYPEZON,自适应系统的混合规划器。受模型预测控制的启发,HYPEZON利用滚动时域控制在其决策过程中利用运行时间信息。此外,我们建议工程师HYPEZON的自适应系统,通过两种替代设计,符合元自我意识的架构。元自我意识允许通过添加更高级别的推理实体来获得关于自身意识的知识和推理。HYPEZON旨在通过将混合规划视为元自我意识的案例来解决混合规划问题。
2021-08-25 cs.SE cs.SY eess.SY