Secure Control under Partial Observability with Temporal Logic Constraints
University of Washington（华盛顿大学）；Worcester Polytechnic Institute（伍斯特理工学院）
本文研究了在存在对手的情况下，代理在部分可观测环境中满足时间逻辑规范的控制策略合成问题，通过有限状态控制器空间中的搜索方法来确定策略，以最大化满足给定的时间逻辑规范。
2019-03-16 cs.CR cs.LO cs.SY
Coalescing: Syntactic Abstraction for Reasoning in First-Order Modal Logics
我们提出了一个句法抽象方法，通过使用标准一阶逻辑和命题模态逻辑的定理证明器来推理一阶模态逻辑。
2014-09-12 cs.LO
Efficient Runtime Monitoring with Metric Temporal Logic: A Case Study in the Android Operating System
提出了一种基于度量线性时序逻辑（MTL）的安全策略规约语言的设计与实现。MTL具有按时间间隔索引的时态操作符，允许指定依赖于时间的安全策略。该语言的设计是由移动设备中的应用程序的运行时监控问题驱动的。该研究的一个主要案例是Android操作系统中的权限提升攻击，其中应用程序通过间接控制流获得对用户未明确授予的某些资源或功能的访问权限。为了捕获这些攻击，我们扩展了MTL与递归定义，用于表达应用程序之间的调用链。然后，我们将展示如何MTL的度量运算符，结合递归定义，可以用来指定的政策，以检测特权升级，在各种细粒度的约束。我们提出了一个新的算法，扩展的线性时间时序逻辑，用于监控安全策略写在我们的规约语言。监视器不需要存储应用程序生成的事件的整个历史记录，这对于实际实现至关重要。我们修改了Android操作系统内核，以允许我们模块化地插入生成的监视器。我们已经在实际设备上测试了修改后的操作系统，并表明它是有效的检测策略违规。
2013-11-11 cs.CR cs.LO cs.OS
An Under-Approximate Relational Logic: Heralding Logics of Insecurity, Incorrect Implementation & More
最近，作者提出了下近似逻辑推理的程序。到目前为止，所有这些逻辑都局限于对单个程序行为的推理。然而，存在许多过度近似的关系逻辑，用于对程序对进行推理并将其行为关联起来。我们提出了第一个下近似关系逻辑，简单的命令式语言IMP。我们证明了我们的逻辑是健全的和完整的。此外，我们展示了如何在这个逻辑推理可以分解成非关系推理下近似霍尔逻辑，反映Beringer的结果过近似的关系逻辑。我们说明了我们的逻辑在一些小的例子中，我们证明了不安全的存在。
2020-03-11 cs.LO
Relating Reasoning Methodologies in Linear Logic and Process Algebra
我们发现，逻辑前序的证明理论的概念相吻合的上下文前序的过程理论的概念，从公式作为过程的解释的线性逻辑片段的CCS样演算。该论点利用进程代数中的其他标准概念，即标记的转换系统和共归纳定义的模拟关系。这一结果建立了一种方法之间的联系，以原因有关的过程规范和方法，原因有关的逻辑规范。
2012-11-17 cs.LO
Harnessing Higher-Order (Meta-)Logic to Represent and Reason with Complex Ethical Theories
计算机机械化的一个雄心勃勃的明确的道德理论，Geetheth的通用一致性原则，是用来展示一种方法，表现出复杂的逻辑功能，如道德和道义模态，索引，高阶量化等的道德理论的代表和推理。利用教会的类型论作为一个元逻辑的高表达能力，语义嵌入量化的非经典逻辑的组合，我们的工作推动现有的边界在知识表示和推理。我们证明了复杂的伦理理论的直观编码和它们在计算机上的自动化不再是对立面。
2019-06-15 cs.LO
First-order Logic as a Constraint Programming Language
我们提供了一个指称语义的一阶逻辑，捕捉两个级别的视图的计算过程中典型的约束编程。在一个层次上，我们有通常的程序执行。在另一个级别，进行约束存储的自动维护。我们证明，由此产生的语义是健全的真理定义。通过具体形式的约束管理策略的实例化，我们得到了几个良好的评价政策的一阶公式。这种语义也可以用来作为在存在块声明和条件的情况下合理实现约束维护的基础。
2002-11-19 cs.LO
Towards Abstraction in ASP with an Application on Reasoning about Agent Policies
TU Wien（维也纳工业大学）
ASP程序是解决问题的方便工具，而对于大型问题实例，状态空间的大小可能会令人望而却步。我们认为抽象作为一种手段的过度近似，并介绍了一种方法来自动抽象（可能是非地面）ASP程序，保留其结构，同时减少问题的大小。一个特定的应用程序的情况下，定义声明性的政策反应式代理和推理的问题，我们举例说明。
2018-09-18 cs.AI cs.LO
An Extensible Logic Embedding Tool for Lightweight Non-Classical Reasoning
University of Greifswald（格赖夫斯瓦尔德大学）
逻辑嵌入工具为非经典推理问题到经典高阶逻辑提供了一个过程编码。它是可扩展的，可以支持越来越多的不同的非经典逻辑推理的目标。当用作高阶定理证明器的预处理器或库时，该工具允许逻辑的现成自动化，否则目前很少有证明器可用。
2022-03-23 cs.AI cs.LO
Tractable reasoning about Agent Programming in Dynamic Preference Logic
虽然在Agent编程领域已经提出了几种BDI逻辑，但尚不清楚这些逻辑如何连接到它们应该指定的Agent程序。更重要的是，这些逻辑中的推理问题，基于模态逻辑，一般来说是不容易处理的，限制了它们的使用来解决现实世界的问题。在这项工作中，我们使用的动态偏好逻辑BDI代理程序设计语言提供了一个语义基础，并调查这个逻辑的易处理的表达片段的原因代理程序。有了这一点，我们的目标是提供一种实现语义接地代理程序设计语言与易处理的推理周期的方式。
2019-11-14 cs.LO cs.MA
Completeness of two fragments of a logic for conditional strategic reasoning
本文证明了合作条件策略推理逻辑（CCSR）的责任片段和能力片段的完备性，方法涉及标准析取、有效性归约条件、抽象博弈形式及其实现，有望推广至CSR及其他策略逻辑。
2025-02-26 cs.LO
Towards Reasoning About Properties of Imperative Programs using Linear Logic
在本文中，我们提出了一种方法来推理的性质的命令式程序。我们假设在这种情况下，程序构造的含义是使用自然语义风格的规则来描述的，并额外观察到这些规则可能涉及状态的处理。我们的方法涉及建模的逻辑内的自然语义风格的规则，然后推理的特定程序的行为，推理证明在该逻辑。我们建议的一个关键方面是使用一个称为Lolli（由Hodas和Miller发明）的线性逻辑片段来建模自然语义风格描述。Lolli基于线性逻辑，可以为状态等资源提供逻辑表达。Lolli还拥有证明理论的属性，允许它以这样一种方式对自然语义风格描述进行编码，即Lolli中的证明模仿基于自然语义规则的派生结构。我们将讨论这些属性的Lolli和演示如何利用它们在建模的语义的命令式程序和推理等模型。
2015-03-03 cs.LO
The Complexity of Reasoning for Fragments of Autoepistemic Logic
自认知逻辑通过模态算子L扩展命题逻辑。前面有L的公式被称为“相信”。该逻辑由Moore在1985年引入，用于对理想理性主体的行为和对自己信念的推理进行建模。本文分析了自认知逻辑中所有布尔片断的三个最常见的决策问题--扩展存在、勇敢推理和谨慎推理的计算复杂性。作为第二个贡献，我们分类的计算复杂性计数的数量稳定的扩展一个给定的知识库。据我们所知，这是第一篇分析自认知逻辑计数问题的论文。
2010-06-01 cs.CC cs.LO
A Logic for Reasoning about Upper Probabilities
Cornell University（康奈尔大学）
我们提出了一个命题逻辑推理的不确定性事件，其中的不确定性是由一组概率的措施分配一个概率的间隔，每个事件建模。我们给出了该逻辑的一个完备公理化，并证明了可满足性问题是NP-完全的，并不比命题逻辑的可满足性问题难。
2014-08-07 cs.AI cs.LO
Probabilistic Obstruction Temporal Logic: a Probabilistic Logic to Reason about Dynamic Models
该研究提出新型概率逻辑POTL，扩展阻碍逻辑并加入概率元素，可用于攻防策略交互推理，且模型检测复杂度不高于PCTL，适用于网络安全隐私领域。
2024-10-28 cs.GT cs.LO
Outcome Logic: A Unifying Foundation for Correctness and Incorrectness Reasoning
用于bug查找的程序逻辑（例如最近引入的不正确逻辑）将正确性和不正确性框定为需要不同逻辑基础的双重概念。在本文中，我们认为，一个统一的理论可以用于正确性和不正确性推理。我们提出了结果逻辑（OL），霍尔逻辑的一种新的推广，既monadic（捕捉计算效果）和monoidal（原因的结果和可达性）。OL表达真正的积极错误，同时保留正确性推理能力。为了正式的适用性OL的正确性和不正确性，我们证明了任何虚假的OL规范可以反驳OL本身。我们还使用我们的框架的原因在不确定性和概率程序的新类型的不正确。鉴于这些进展，我们主张OL作为一个新的基础理论的正确性和不正确性。
2023-03-10 cs.LO cs.PL
A Logic for Reasoning about Evidence
我们引入了一个逻辑推理的证据，基本上认为证据作为一个功能，从先前的信念（前观察）后的信念（后观察）。我们提供了一个健全的和完整的公理化的逻辑，并考虑到决策问题的复杂性。虽然逻辑中的推理主要是命题，但我们允许变量表示数字和量化。这种表达能力对于捕捉证据的重要属性似乎是必要的。
2006-08-03 cs.AI cs.LO
A logic for reasoning about upper probabilities
我们提出了一个命题逻辑%，它可以用来推理的不确定性事件，其中的不确定性是由一组概率的措施分配一个区间的概率为每个事件建模。我们给出了该逻辑的一个完备公理化，并证明了可满足性问题是NP-完全的，并不比命题逻辑的可满足性问题难。
2003-07-30 cs.AI cs.LO
A two-level logic approach to reasoning about computations
关系描述已被用于形式化不同的计算概念，包括，例如，操作语义，类型，和接受非确定性机器。因此，我们提出了一个（限制）的逻辑理论的关系作为一种语言来指定这样的概念。我们的规范逻辑的进一步特点是能够显式地处理对象语言中的绑定。一旦这样的逻辑被固定，下一个自然的问题是我们如何证明关于用它写的规范的定理。我们建议使用第二种逻辑，称为推理逻辑，用于此目的。一个令人满意的推理逻辑应该能够完全编码规范逻辑。与规范逻辑相关的是各种绑定概念：公式中的量词，序列中的特征变量，以及术语中的抽象。为了提供这些方面的自然处理，推理逻辑必须编码绑定结构以及它们的范围，自由和绑定变量以及捕获避免替换的相关概念。此外，为了支持有关可证明性的论点，推理逻辑应该拥有通过归纳和协同归纳构建证明的强大机制。我们提供这些功能，在这里使用一个逻辑称为G表示的关系，通过原子判断的定义，包含推理规则的归纳和共归纳，并包括一个特殊的通用量词的条件。我们展示了如何证明在规范逻辑可以透明地编码在G。我们还描述了一个交互式定理证明称为阿贝拉，实现G和这种两级逻辑方法，我们提出了几个例子，证明阿贝拉在推理计算的功效。
2010-09-01 cs.LO cs.PL
Towards AI Logic for Social Reasoning
Zhejiang University（浙江大学）；University of Luxembourg（卢森堡大学）
人工智能逻辑对智能主体推理进行形式表征。在本文中，我们讨论了如何使用基于论证的人工智能逻辑来形式化社会推理的重要方面。除了推理个体代理人的知识和行为之外，社会AI逻辑还可以推理代理人之间的社会依赖性，使用代理人的权利、义务和许可。我们讨论了社交AI逻辑的四个方面。首先，我们讨论了权限如何表示智能主体的义务和权限之间的关系。其次，我们讨论了如何论证知情权，这是最近隐私和伦理讨论的一个中心问题。第三，我们讨论了如何通过比较形式化参数来识别和（有时）解决智能主体之间的各种冲突。重要的是，为了涵盖日常生活中发生的各种各样的争论，谬误的争论也可以被表现出来并进行推理。第四，我们讨论了如何论证智能主体的行动自由。来自社会、法律和伦理推理的例子突出了发展社会AI逻辑的挑战。对这四个挑战的讨论引出了一个基于争论的社会人工智能逻辑的研究计划，为人工智能逻辑的未来发展做出了贡献。
2021-10-09 cs.AI cs.LO
LPAR-05 Workshop: Empirically Successfull Automated Reasoning in Higher-Order Logic (ESHOL)
这个研讨会汇集了实践者和研究人员谁是参与基于高阶逻辑的逻辑系统的日常方面。我们希望为围绕以下四个主题的讨论创造一个友好和高度互动的环境。实现和开发基于任何不可预测性概念的证明助手，高阶逻辑推理系统的自动定理证明工具，高阶逻辑中证明表示的逻辑框架技术，用于存储，维护和查询证明数据库的正式数字图书馆。我们设想与会者有兴趣促进高阶逻辑推理系统的发展和可见性。我们特别感兴趣的是讨论高阶版本的TPTP的发展和自动化高阶推理系统的实用优势的比较。此外，研讨会还包括系统演示。ESHOL是在CADE 2005和IJCAR 2004举办的ESCAR和ESFOR研讨会的继承者。
2006-01-10 cs.AI cs.LO
Redundancy in Logic III: Non-Mononotonic Reasoning
给出了限制理论和缺省理论的冗余性结果。特别是，建立一个给定的理论是否是冗余的复杂性。
2005-10-12 cs.AI cs.CC cs.LO
Reasoning about Knowledge and Strategies: Epistemic Strategy Logic
Laboratoire IBISC -- Unversit\'e d'Evry
在本文中，我们介绍了认知策略逻辑（ESL），策略逻辑的扩展与个人知识的模态算子。这种增强的框架允许我们明确地表示和推理知识代理拥有自己的和其他代理的策略。我们提供了一个语义ESL的认知并发博弈模型，并考虑相应的模型检验问题。我们证明了模型检验ESL的复杂性并不比（非认知的）策略逻辑差
2014-04-03 cs.AI cs.LO
Quantitative Separation Logic - A Logic for Reasoning about Probabilistic Programs
我们提出了定量分离逻辑（$\mathsf{QSL}$）。与经典的分离逻辑相反，$\mathsf{QSL}$采用计算为实数的量，而不是计算为布尔值的谓词。将经典分离逻辑的连接词分离合取和分离蕴涵从谓词提升为量。这个扩展是保守的：这两个连接词是向后兼容的经典类似物，并遵守相同的法律，例如肯定前件，伴随性等。此外，我们开发了一个最弱的前提演算概率指针程序的定量推理$\mathsf{QSL}$。这种演算是Reynolds的堆操作程序的分离逻辑和Kozen/ McIver和Morgan的概率程序的最弱预期望的保守扩展。可靠性证明相对于一个基于马尔可夫决策过程的操作语义。我们的演算保留了O 'Hearn的框架规则，使本地推理。我们证明，我们的演算能够推理数量，如终止与空堆的概率，达到一定的数组排列的概率，或列表的预期长度。
2018-11-26 cs.LO cs.PL
A Dynamic Preference Logic for reasoning about Agent Programming
在这项工作中，我们调查使用动态偏好逻辑编码BDI心理态度。此外，探索这种编码和表示的偏好可能的世界的偏好命题公式，这里称为优先图，我们评论如何解释BDI代理程序在这个逻辑。此外，使用之间的连接定义的动态操作的偏好模型和它们的编码优先图上的转换，我们展示了我们的逻辑如何不仅可以用来推理代理程序，但作为一种工具来指定推理机制，以保证某些属性的合理性理论的程序设计语言。
2019-11-14 cs.LO cs.MA
Trace Logic for Inductive Loop Reasoning
我们提出了跟踪逻辑，一个多排序的一阶逻辑的实例，自动化的部分正确性验证的程序包含循环。跟踪逻辑概括了程序位置的语义，并通过在任意时间点和循环迭代处对属性进行编码来捕获循环语义。我们引导和自动化的归纳循环推理的跟踪逻辑，通过使用通用跟踪引理捕获归纳循环不变。我们的工作是在RAPID框架中实现的，通过扩展和集成RAPID中基于叠加的一阶推理。我们成功地使用RAPID证明了许多程序的正确性，这些程序的功能行为在线性整数运算、数组和归纳数据类型的一阶理论中得到了最好的总结。
2020-08-06 cs.LO cs.SC
Logical Reasoning for Higher-Order Functions with Local State
我们介绍了一个扩展的霍尔逻辑调用值高阶函数ML样的本地引用生成。局部引用可以动态生成并导出到其作用域之外，可以存储高阶函数，并且可以用于构造复杂的可变数据结构。这个原语是使用断言引用名称可达性的谓词从可能的高阶数据和隐藏引用上的量词逻辑地捕获的。我们探索的逻辑的描述和推理能力与非平凡的编程例子相结合的高阶程序和动态生成的本地状态。公理的可达性和局部不变发挥核心作用的推理的例子。
2008-10-20 cs.LO cs.PL
Eventual Discounting Temporal Logic Counterfactual Experience Replay
Caltech（加州理工学院）；Penn State（宾夕法尼亚州立大学）；Latitude AI（Latitude人工智能公司）
线性时序逻辑（LTL）提供了一种简化的方式来指定策略优化的任务，否则可能难以用标量奖励函数来描述。然而，标准RL框架可能过于短视，无法找到最大限度的LTL满足政策。本文有两个贡献。首先，我们开发了一个新的价值函数为基础的代理，使用一种技术，我们称之为最终折扣，根据该技术可以找到满足LTL规范的政策，以最高的可实现概率。其次，我们开发了一种新的经验重放方法，通过反事实推理的不同方式来满足LTL规范，从政策上的推出生成政策外的数据。我们的实验，在离散和连续的状态-动作空间进行，证实了我们的反事实经验重放方法的有效性。
2023-03-03 cs.AI cs.LG cs.LO
