| Project/Area Number |
21K11826
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60050:Software-related
|
|---|
| Research Institution | Shinshu University |
|---|
Principal Investigator |
岡野 浩三 信州大学, 学術研究院工学系, 教授 (70252632)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岡本 圭史 仙台高等専門学校, 総合工学科, 教授 (00308214)
関澤 俊弦 日本大学, 工学部, 准教授 (10549314)
小形 真平 信州大学, 学術研究院工学系, 准教授 (10589279)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 機械学習 / 形態素解析 / 自然語処理 / 時間オートマトン / 有界モデル検査 / バグ局所化 / 自然語解析 / 反例解析 |
|---|
| Outline of Research at the Start |
情報システムにおいては，開発期間の短縮化と高信頼性の担保の両立が大きな課題である．
情報システムの要求記述においては自然語仕様記述が行われている．また，要求解析についてはSTAMPに基づいた解析手法STPAに形式手法を併せる方法も有効であると考えられる．
本研究では，主に組込みシステムを対象に4年の計画で上記の研究を行い，提案手法や提案システムの有効性，とりわけ，自然語処理と形式手法の組み合わせによる安全性の検証に関する有効性を確認していく．
|
| Outline of Annual Research Achievements |
本研究は次の学術的問題(Research Questions) を対象とする．
(RQ1) 自然語による仕様記述から状態遷移モデルや検証性質等，形式的仕様記述へ適切に変換する方法論はあるのか?(RQ2) モデル検査の反例の有効活用はどこまでできるか? (RQ3) STAMP/STPA と自然言語処理，形式手法との連携方法は?(RQ4) 提案方式の総合的な連携フレームワークは実用的に有効か? (RQ5)ソフトウェア開発を対象とする自然語処理を行う上でLLMなどの機械学習はどれだけ有効か？また機械学習モデルの良さを議論する方法はあるのか？
2023年度は上記のRQのうちRQ1, RQ5で大きく進展をし，国際会議，研究会を中心に精力的に発表を行うことができた．
とりわけ機械学習を用いたソフトウェアのバグ解析については国際会議2件の発表を行うことができ、機械学習を用いたバグ局所化が従前のスペクトラムベースに基づく手法より優れた結果を出す状況としてバグが複数ある場合などいくつか状況がありえることを発見した．
LLMを用いた要求仕様解析についてはLLMの活用により従来の手法と同等以上の構成要素に対する導出率を確保することができること，およびプロンプトエンジニアリングによりさらなる改善の余地があることを発見できた．
LLMを用いた要求仕様の要求分類については関数呼び出しの機構を応用する分類性能向上を確認できた．その他，機械学習モデルの質に関してモデルの歪みの観点からそれをニューロンの発火割合指標を用いて発見する手法やプライバシー保護を行う学習アルゴリズムのロバスト性に関する知見について発表することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
機械学習を活用したバグ同定ではある程度まとまった結果をまとめることができ国際会議発表をすることができた。
ソフトウェア要求解析については状態遷移に関する要求仕様からLLMを活用して条件部の解析をのぞいて状態遷移図導出を行うめどがたった。
本研究の以前の成果により時間オートマトンのモデル検査器の研究は終わっているため今後はソフトウェア要求解析にについてまとめていきたい。
|
| Strategy for Future Research Activity |
最終年度では要求仕様分析について以下の2つの発表を行い，研究の総括をしたい．
要求仕様からの状態遷移図のLLMを活用した自動導出法の提案と評価
LLMを用いた要求仕様の非機能要求分類
これらについて研究会で発表する．
また，機械学習のモデルの品質評価に関する研究も１件は発表していく．
|
