| 研究課題/領域番号 |
21K11826
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
岡野 浩三 信州大学, 学術研究院工学系, 教授 (70252632)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 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 |
|---|
| 研究実績の概要 |
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．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
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。
|
| 今後の研究の推進方策 |
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．
|
| 次年度使用額が生じた理由 |
計画より研究が順調に進み国際会議発表を複数行う必要が生じたため，海外渡航費が当初計画より必要になったため．
この研究タスクは一段落ついたため，最終年度は他の研究タスクに専念でき執行できる見込みである．
|
