Ứng dụng đồ thị phụ thuộc biến trong kiểm tra mô hình hướng ký hiệu và tinh lọc trừu tượng

I H C BÁCH KHOA - NGUY N TH H NG PH N NG D NG TH PH THU C BI N TRONG KI NG KÝ HI U VÀ TINH L C TR NG MÃ S CHUYÊN NGÀNH: 60.48.01 LU TH TP H CHÍ MINH, tháng BÁCH KHOA TS -HCM TS N TS HQG Tp HCM ngày 24 tháng 07 2013 n ã I H C QU C GIA TP.HCM C NG HÒA XÃ H I CH I H C BÁCH KHOA T NAM c l p - T - H nh phúc NHI M V LU MSHV: 11070465 12/10/1984 : 60.48.01 Chuyên ngành: I TÀI: II NHI M V VÀ N I DUNG: III NGÀY GIAO NHI M V : 21/01/2013 IV NGÀY HOÀN THÀNH NHI M V : 21/06/2013 V CÁN B CÁN B NG D N: TS NG D N CH NHI M B (H tên ch ký) (H tên ch ký) (H tên ch ký) O L IC , c Tôi xin v g i chân thành bày t lịng bi t n K & KT Máy Tính - Khoa TP.HCM k n thu t n tình truy n tồn th q Th y Cơ ng t nh ng ki n th l i nh cho su t trình h quý báu c ng nh t H c Bách m i u t p c C , Tôi xin chân thành c TP H Chí Minh, tháng 06 n m 2013 Nguy n Th H ng Ph n TÓM T T LU Trong l nh v c ki m tra mơ hình hi n nay, bùng n không gian tr ng thái m t rào c n vi c ki m tra h th ng có khơng gian tr ng thái l n khơng th tìm ki m l i b ng cách vét c n tr ng thái Vì lý tinh l c tr u , xu t k thu t ng hi n th c công c GOLFER (công c nà c xây d ng n n NuSMV) cho phép ki m tra mơ hình có khơng gian tr ng thái l n V không gian tr ng thái l c gi i quy t b ng cách tr u ng hóa (gom nhóm nhi u tr ng thái thành m t tr ng thái) Thay ki m tra mơ hình th t, mơ hình tr s c ki c N u tìm th y l i mơ hình tr u ng ng, cơng c GOLFER m i m r ng ph m vi tìm ki m mơ hình th t Tuy nhiên cách m r ng ph m vi tìm ki m nh th tính v n cịn h tr có th nh v c v c l i nhanh nh t mà kh n ng l u tr c a máy c n ph i gi i quy t Lu n v n s trình bày cách th c gom nhóm nhi u tr ng thái thành m t tr ng thái (bài toán tr u vi c m r ng m t tr ng thái tr qua k thu t tinh l c tr u trình ng thành nhi u tr ng thái (bài tốn tinh l c) thơng ng Q trình tr c Có th hi u ng hóa) c ng nh ng hóa q trình tinh l c hai n gi n tr u ng bi n nh ng c th thành t ng quát, tinh l c bi n t ng quát thành c th Lu n v n v n d ng ý ng gi i thu t PageRank vào vi c phân tích thu c bi gi i quy t toán tr th ph ng Ngồi ra, lu n v n cịn gi i thi u gi i thu t tìm l i m i, gi i thu t tinh l c tr u ng (Clarke) gi i thu t a tr u quan tr ng c a bi ng, s k t h p gi i thu t tinh l c tr u ng (Qian & Nymeyer ) ABSTRACT In current model checking field, the statespace explosion prevents to verify these large systems due to the reason that exhaustive search is failed Therefore, this thesis proposes the abstraction refinement technique implemented on GOLFER (the tool is built on NuSMV) allows to verify on large state space systems Abstraction is applied to reduce the size of statespace Instead of checking on concrete model, abstract model is verified firstly If finding counter example, the searching scope is widen on the concrete model, this process can be called refinement Abstraction and refinement are two opposite processes Abstraction makes complex things to simple things while refinement maps simple things to complex things For abstraction solving, PageRank algorithm n the variable dependency graph Moreover, this thesis also introduces a new searching algorithm, abstraction refinement, a combination of counter-example guided abstraction refinement (Clarke) and multiple abstraction (Qian & Nymeyer) L tc Tp 21 tháng 06 2013 Nguy n Th H ng Ph n M CL C L IC i TÓM T T LU ii ABSTRACT iii L iv M C L C v - viii DANH M C HÌNH x DANH M xi I THI 1.1 Lý ch TÀI tài 1.2 M tài 1.3 Ph tài 1.4 Ý ngh tài 1.5 Gi i thi LÝ THUY T 2.1 10 GOLFER 10 11 -example guided abstraction refinement) 13 15 18 xu t 18 18 21 21 xu t 22 phân tích ph thu c bi n PG VRK 22 24 25 25 26 30 30 6.1.1 Th nghi m v i Leader- Election 31 6.1.2 Th nghi m v i Needham 32 6.1.3 Th nghi m v i Peterson 32 6.1.4 Th nghi m v i Sender-Receiver 33 34 6.2.1 Th nghi m v i Leader-Election 35 6.2.2 Th nghi m v i Needham 35 6.2.3 Th nghi m v i Peterson 35 6.2.4 Th nghi m v i Sender-Receiver 36 6.3 Gi 37 6.3.1 Ki m tra mơ hình tr ng ch a 50% bi n mơ hình g c 37 6.3.2 Ki m tra t p h p mơ hình tr ng ch a 20%, 80% bi n mô hình g c 38 6.3.3 Ki m tra t p h p mơ hình tr ng ch a 20%, 55%, 90% bi n mơ hình g c 39 6.4 40 40 43 7.1 T 43 44 DANH M C CÁC TÀI LI U THAM KH O 45 PH L 47 PH L 50 PH L C C: DOWNLOAD TÀI NGUYÊN 54 PH L C D: MINH H TH PH THUÔC BI N 55 LÝ L CH TRÍCH NGANG 56 ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng tiên k t lu n mơ hình g c khơng có l i mà khơng c n tìm l i mơ hình k ti p Tuy nhiên, m s có tr u ng t ng c a mơ hình th nh t t ng th i gian th c thi c tr l i (ví d t i 40%) V tinh l tr ng MAR c ng tinh l c tr ng mà không dùng GOLFER option ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng t 7.1 óng góp m i c a lu bi n h i t VRK, sinh t tinh l c tr tích ph thu c ng m t t p mơ hình tr ng cu i k thu t ng MAR thu c bi n h i t VRK nhìn chung t pháp phân tích ph thu c bi n lan truy n ví d : Sender-Receiver, Needham) M c dù có m t s mơ hình tốn PG thích h (ví d : Leader-Election, Peterson) i s d ng có th l a ch v n c n thu c bi n ph thu c bi n cho phù h p, c xem xét t Ngoài ng lai i ti n thêm m ng Vi c sinh t c tính c a tốn mà ng t p tr c sinh t ng mơ hình tr u ng ti t ki m r t nhi u th i gian chi phí ki m tra mơ hình ng h p mơ hình có l i, A* t t nh ng h t n công s c ki m tra l i mơ hình tr ng cu i ki m tra mơ hình th t c bi t, gi i thu t tinh l c tr ng MAR mang l i c i ti ng h p mơ hình khơng có l i, tinh l c tr u k t qu nhanh nh t i không gian tr ng thái l n MAR s l a ch n t t nh cho ng MAR cho i v i tốn có ng d th ph thu c bi n ki ng ký hi u tinh l c tr rong ki m tra mơ hình, tr th ng ng hóa m t k thu t thu g n kích c khơng gian tr ng thái nh m c i thi n hi u su t tìm ki m Thu n l i nh t c a th ng tr Vì th , v ng khơng có l i, h th ng th c ch c ch n l i tr u ng th qua VRK) 7.2 i v i gi i thu t phân tích bi n h i t c n có th nghi m cho vi c h s damping t t nh t Vi c tr ng hóa gi l i ph v i t ng lo i toán c GOLFER không ch làm vi c v cho phép d c nghiên c i r ng ây d ng b u n ng ng v i m i lo i mơ hình tốn c phân tích ph thu c bi n thu n t t nh tìm l i c bi t v i d ng toán ta c n d ng gi i ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng DANH M C CÁC TÀI LI U THAM KH O [1] Brin, Sergey and Page, Lawrence The anatomy of a largescale hypertextual Web search engine InProc of WWW7, pages 107-117, Brisbane, Australia, 1998 [2] Clarke E M., Grumberg O., and Peled D A., Model Checking, MIT Press, 1999 [3] Clarke E M., Grumberg O., Jha S., Lu Y., and Veith H., Counter-exampleGuided Abstraction Refinement, CAV'00, LNCS, vol 1855, pp 154-169, 2000 [4] Clarke E M., et al Formal methods: state of the art and future directions ACM Computing Surveys, 1996 [5] Edelkamp S., Lluch-Lafuente A., and Leue S., Directed Explicit Model Checking with HSF-SPIN, SPIN'01, LNCS, vol 2057, pp 57-79, 2001 [6] Menzies T., Owen, D., and Richardson J., The Strangest Thing about Software, IEEE Computer, vol 40, no 1, pp 54-60, 2007 [7] Pelanek R., Typical structural properties of state spaces, LNCS, vol 2989, pp 522, 2004 [8] Qian K., Nymeyer A., Guided Invariant Model Checking Based on Abstraction and Symbolic Pattern Databases, TACAS'04, LNCS, vol 2988, pp 497-511, 2004 [9] Qian K., Nymeyer A., Abstraction-guided model checking using symbolic IDA* and heuristic synthesis, FORTE'05, LNCS, vol 3731, pp 275-289, 2005 [10] Qian K., Nymeyer A, and Susanto S Experiments with Multiple Abstraction Heuristics in Symbolic Verification, SARA 2005, LNAI 3607, pp 290-304, 2005 [11] Qing Cui, Alex Dekhtyar., On Improving Local Website Search Using Web Server Traffic Logs: A Preliminary Report, 2005 [12] Thang H Bui, Nymeyer A., Formal Verification Based on Guided Random Walks, iFM'09, LNCS, vol 5423, pp 72-87, 2009a [13] Thang H Bui, Nymeyer A., Formal Model Simulation: Can it be Guided?, SSBSE'09, pp 93-96, IEEE CS, 2009b ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng [14] Thang H Bui, Nymeyer A., Heuristic Sensitivity in Guided Random-Walk Based Model Checking, SEFM'09, pp 125-134, IEEE CS, 2009c [15] Thang H Bui, Phuong B.K Dang, Yet another variable dependency analysis for abstraction guided model checking, SEATUC 2012 [16] Thomas A Henzinger, Ranjit Jhala, Rupak Majumdar and Gregoire Sutre.Lazy Abstraction In ACM SIGPLAN-SIGACT Conference on Principles of Programming Languages, pages 58-70, 2002 ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng PH L C A: -golfer [debug] [ida | a | saga | sagb | sagba| mar | [kmc | kmca | rmc [pr | prf | prr] [g [f 1|x|x2|1ax []] [c ]] [t] [d ] [s ] [del ] [eps ] ] | vdep [graph] | alim | look | plim

| heu ] [auto [ ][sim [] | pg []| vrk [ ]] [w|wo] | manu ] - debug: debug mode - ida : IDA with the depth factor is k - a: A* (DEFAULT) - saga: sag-A* - A* in all stages - sagb: sag-BFS - BFS in all stages ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng - sagba: sag-BFS-A* - BFS in all abstract stages and A* in the concrete system - mar: abstraction refinement-BFS in all abstract stages and in the concrete system - rmc : random algorithm (N = ln(delta)/ln(1-epsilon)) + pr : randomly pre-selects a process + prf: randomly pre-selects a process, all processes are served in a turn + prr: Round Robin in pre-selecting a process + g: abstraction guided mode * f: distribution function: 1: f=1, x: f=x, x2: f=x^2, 1ax: f=1/fa^x * c: cut-off length, after steps out of adb size + t: random trail + d: maximum depth for each random walk, for end-loop (or no limit) + s: new seed, 0: for random seed + del : delta, DEFAULT 4e-5 + eps : epsilon, DEFAULT 5e-3 (Default max trials N = 2020) - kmc: Kangarous BFS = guided random-jump readth first search - kmca: Kangarous A* = guided random-jump best first search - vdep: variable dependency analysis + graph: by graph instead of tree ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng - alim : abstract DB length limit (for A* only) DEFAULT 100 - look: KMC look ahead option - plim

: partition limit, used to decide wherether to partition an image DEFAULT 1000 - heu : heuristic factors for evaluated function f = u*gcost + w*hcost - auto: the abstraction files will be generated automatically * : number of generated abstract file * : lower percentage of variables to keep * : upper percentage of variables to keep + sim []: simple variable dependency analysis * : keep up to level in the dependency tree + pg [ ]: graph-based (propagation) variable dependency analysis * : the beta factor apply to the counter-effect dependency analysis + vrk [ ]: VarRank variable dependency analysis * : the epsilon to stop the algorithm * : the damping factor + w: write the abstraction set to the nusmv_stdout output device + wo: write the abstraction set to the nusmv_stdout output device only, stop model checking - manu : list of given abstraction files ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng PH L C B: i gian time.1 Mơ hình có l Mô nh i leader-3 leader-4 leader-5 leader-6 needham peterson-3 peterson-4 peterson-5 peterson-6 sender-05 sender-10 sender-20 sender-30 sender-50 i gian c thi n1 n2 n3 0.3 0.36 0.25 14.8 14.87 12.61 221.16 214.8 181.1 a GOLFER giây (s) qua 10 n m n4 n5 n6 n7 n8 n9 n 10 Trung nh 0.25 0.3 0.41 0.37 0.27 0.3 0.28 0.309 11.94 13.1 18.2 16.86 12.57 12.68 12.58 14.021 180.9 192.86 251.22 239.1 188.5 188.47 188.4 204.64 1.27 1.37 1.04 1.01 1.29 1.22 1.52 1.11 1.08 1.12 0.17 0.17 0.13 0.12 0.15 0.18 0.21 0.14 0.13 0.15 131.11 134.4 108.2 106.8 121.85 138.72 138.9 114.8 115.83 116.3 0.13 0.33 1.16 1.78 5.23 0.18 0.3 1.24 1.71 5.7 Mơ hình có l Mô nh i leader-3 leader-4 leader-5 leader-6 needham peterson-3 peterson-4 peterson-5 peterson-6 sender-05 sender-10 sender-20 sender-30 sender-50 -A* gi l i 50% bi n 0.1 0.24 0.9 1.37 4.43 0.09 0.25 0.9 1.39 4.11 0.13 0.3 1.04 1.48 4.64 0.12 0.56 1.05 2.04 5.52 0.21 0.34 1.25 1.75 4.99 0.15 0.28 1.46 4.64 0.12 0.28 1.01 1.53 4.76 0.11 0.28 0.98 1.48 4.64 1.203 0.155 122.698 0.134 0.316 1.053 1.599 4.866 PG-A* gi l i 50% bi n i gian c thi a GOLFER giây (s) qua 10 n m n Lân n3 n4 n5 n6 n7 n8 n9 n 10 Trung nh 0.32 0.32 0.28 0.3 0.31 0.35 0.3 0.24 0.27 0.29 0.298 12.11 12.24 9.97 10 12.51 12.78 10.78 10.78 10.89 10.89 11.295 210.6 213.7 178.7 189.2 203.02 219.43 189.5 187.8 187.39 187.8 196.705 2.34 0.17 73.44 0.13 0.33 1.3 1.61 5.6 6.87 1.86 2.45 0.22 0.16 0.18 89.4 60.54 80.97 0.3 0.42 1.63 1.6 6.82 0.11 0.27 0.92 1.39 4.35 0.23 0.37 1.29 1.45 4.89 2.08 0.17 70.75 0.12 0.34 1.06 1.52 4.89 2.12 1.86 0.17 0.14 71.08 63.79 0.12 0.32 1.09 1.67 4.92 0.12 0.26 0.96 1.48 4.66 1.87 0.14 63.3 0.12 0.28 0.98 1.51 4.63 1.88 1.86 0.14 0.15 63.13 63.17 0.12 0.26 1.49 4.66 0.12 0.25 0.99 1.48 4.73 2.519 0.164 69.957 0.149 0.31 1.122 1.52 5.015 ng d th ph thu c bi n ki Mô hình có l ng ký hi u tinh l c tr ng - MAR gi l i 50% bi n Mô nh i gian c thi a GOLFER giây (s) qua 10 n m n1 n2 n3 n4 n5 n6 n7 n8 n9 n 10 Trung nh i leader-3 0.25 0.21 0.2 0.22 0.21 0.19 0.19 0.19 0.19 0.19 0.204 leader-4 25.21 21.09 21.4 23.04 25.74 20.48 20.34 20.34 20.3 20.24 21.817 leader-5 265.28 224.3 225 244.6 225.5 217.8 215.54 216.17 217.12 216.41 226.75 leader-6 needham 3.81 3.89 3.83 3.96 3.83 3.73 3.61 3.68 3.74 3.73 3.781 peterson-3 0.12 0.15 0.14 0.13 0.14 0.13 0.12 0.13 0.12 0.12 0.13 peterson-4 11.94 11.95 11.9 13.44 12.36 11.43 11.5 11.53 11.46 11.43 11.895 peterson-5 peterson-6 sender-05 2.44 2.48 2.5 2.68 2.52 2.36 2.36 2.36 2.37 2.38 2.445 sender-10 27.05 26.98 27.1 28.77 28.73 26.14 25.95 26.1 26.35 25.98 26.913 sender-20 241.34 241.8 241 248.9 259.2 232.39 231.93 231.37 231.21 231.68 239.057 sender-30 sender-50 Mơ hình Mơ nh ng brp dme1 dme2 gigamax msi_wtrans periodic n1 0.96 0.22 0.5 0.05 1.45 0.01 - MAR gi l i 50% bi n i gian n2 0.17 0.51 0.05 1.5 0.01 Mô hình Mơ nh ng brp dme1 dme2 gigamax msi_wtrans periodic n1 1.02 0.2 0.47 0.07 1.44 0.02 c thi a GOLFER n3 n4 n5 1.03 0.97 1.04 0.19 0.19 0.18 0.49 0.47 0.48 0.05 0.06 0.05 1.48 1.57 1.38 0.01 0.02 0.02 n6 0.99 0.17 0.48 0.04 1.4 0.01 giây (s) qua 10 n m n7 n8 n9 n 10 Trung nh 1.07 1.04 0.97 0.85 0.992 0.17 0.17 0.17 0.17 0.17 0.43 0.42 0.47 0.4 0.465 0.05 0.05 0.05 0.05 0.05 1.32 1.26 1.29 1.22 1.387 0.01 0.02 0.02 0.02 0.015 - SAGA gi l i 50% bi n i gian n2 0.21 0.47 0.08 1.35 0.02 c thi a GOLFER n3 n4 n5 1.06 1.05 1.02 0.18 0.19 0.17 0.5 0.46 0.46 0.07 0.08 0.07 1.28 1.48 1.44 0.02 0.02 0.03 n6 1.07 0.19 0.48 0.08 1.39 0.02 giây (s) qua 10 n m n7 n8 n9 n 10 Trung nh 1.01 1.67 0.86 0.81 1.057 0.19 0.44 0.13 0.16 0.206 0.48 0.98 0.39 0.37 0.506 0.07 0.03 0.06 0.06 0.067 1.3 0.16 1.21 1.22 1.227 0.02 0.09 0.02 0.026 ng d th ph thu c bi n ki Mơ hình Mơ nh ng brp dme1 dme2 gigamax msi_wtrans periodic n1 0.89 0.14 0.42 0.06 0.21 0.01 n1 0.97 0.15 0.56 0.06 0.24 0.03 i gian n2 0.85 0.15 0.38 0.04 0.2 0.02 c thi a GOLFER n3 n4 n5 0.91 1.06 0.96 0.15 0.16 0.2 0.4 0.43 0.44 0.04 0.03 0.04 0.22 0.17 0.28 0.02 0.02 0.03 ng brp dme1 dme2 gigamax msi_wtrans periodic n1 1.08 0.16 0.4 0.05 0.23 0.02 n6 1.06 0.18 0.41 0.05 0.24 0.01 giây (s) qua 10 n m n7 n8 n9 n 10 Trung nh 0.92 0.92 0.88 0.9 0.935 0.14 0.15 0.14 0.15 0.156 0.38 0.36 0.37 0.37 0.396 0.03 0.04 0.04 0.04 0.041 0.19 0.23 0.22 0.22 0.218 0.02 0.01 0.02 0.016 -gi l i 20%, 80% bi n i gian n2 0.97 0.15 0.4 0.1 0.2 0.02 Mơ hình Mơ nh ng - MAR gi l i 20% 80% bi n Mơ hình Mơ nh ng brp dme1 dme2 gigamax msi_wtrans periodic ng ký hi u tinh l c tr c thi a GOLFER n3 n4 n5 0.92 0.97 0.9 0.15 0.17 0.18 0.38 0.4 0.37 0.06 0.07 0.07 0.22 0.23 0.24 0.03 0.02 0.02 n6 0.93 0.14 0.37 0.06 0.23 0.02 giây (s) qua 10 n m n7 n8 n9 n 10 Trung nh 0.89 0.91 0.95 0.93 0.934 0.16 0.16 0.15 0.14 0.155 0.4 0.37 0.39 0.4 0.404 0.07 0.07 0.07 0.07 0.07 0.22 0.22 0.21 0.2 0.221 0.02 0.02 0.01 0.02 0.021 VRK-MAR gi l i 20%, 55% 90% bi n i gian n2 0.98 0.14 0.37 0.04 0.16 0.03 c thi n3 1.07 0.15 0.4 0.04 0.2 0.01 a GOLFER n4 n5 0.95 0.14 0.15 0.38 0.37 0.05 0.06 0.2 0.28 0.01 0.01 n6 1.02 0.14 0.39 0.04 0.23 0.02 giây (s) qua 10 n n7 n8 n9 0.96 1.11 1.08 0.15 0.18 0.14 0.39 0.43 0.44 0.05 0.06 0.06 0.24 0.21 0.24 0.02 0.02 0.01 m n 10 Trung nh 1.23 1.048 0.22 0.157 0.63 0.42 0.04 0.049 0.25 0.224 0.01 0.016 ng d th ph thu c bi n ki Mơ hình Mơ nh ng brp dme1 dme2 gigamax msi_wtrans periodic n1 0.98 0.16 0.39 0.08 0.24 0.02 ng ký hi u tinh l c tr ng VRK-SAGA gi l i 20%, 55% 90% bi n i gian n2 1.05 0.16 0.39 0.07 0.22 0.02 c thi n3 1.01 0.16 0.41 0.07 0.16 0.03 a GOLFER n4 n5 1.02 1.06 0.17 0.15 0.36 0.38 0.08 0.08 0.22 0.18 0.03 0.02 n6 0.96 0.17 0.37 0.08 0.24 0.03 giây (s) qua 10 n n7 n8 n9 1.01 1.18 1.14 0.17 0.15 0.18 0.41 0.45 0.46 0.08 0.08 0.1 0.25 0.23 0.24 0.03 0.03 0.04 m n 10 Trung nh 1.54 1.095 0.14 0.161 0.62 0.424 0.06 0.078 0.32 0.23 0.02 0.027 10 Th i gian th c thi NuSMVg c v i Mô nh ng brp dme1 dme2 gigamax msi_wtrans periodic n1 1.02 0.196 0.56 0.892 8.889 0.064 i gian n2 0.976 0.228 0.492 0.972 8.481 0.056 c thi a GOLFER n3 n4 n5 0.988 0.94 0.912 0.224 0.2 0.26 0.5 0.52 0.456 0.948 0.952 0.956 8.425 9.089 9.137 0.064 0.052 0.052 n6 0.964 0.212 0.516 0.94 8.493 0.052 giây (s) qua 10 n n7 n8 n9 1.028 1.16 0.236 0.292 0.228 0.572 0.568 0.516 0.972 1.036 0.952 9.057 9.217 9.293 0.072 0.06 0.088 m n 10 Trung nh 1.028 1.0016 0.244 0.232 0.536 0.5236 1.104 0.9724 9.201 8.9282 0.068 0.0628 ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng PH L C C: DOWNLOAD TÀI NGUN Link download test benchmark (mơ hình th nghi m cho toán Peterson, Leader-Election, Sender-Receiver, Needham, brp, dme1, dme2, gigamax, msi_wtrans, periodic) https://app.box.com/s/qdxj06xt2sm6wkhb2tyk Link tham kh o cơng c ki m tra mơ hình h http://nusmv.fbk.eu/ ng ký hi u NuSMV g c ng d PH th ph thu c bi n ki L C D: MINH H A ng ký hi u tinh l c tr TH PH ng THUÔC BI N th ph thu c bi n cho toán Leader-3 ng d th ph thu c bi n ki ng ký hi u tinh l c tr ng LÝ L CH TRÍCH NGANG H tên: Nguy n Th H ng Ph n Ngày, tháng, n 12/10/1984 a ch liên l c: sinh: Bình 197/45C, Nguy n Th Nh , P.9, Q.Tân Bình, TP.HCM nguyenthihongphan@gmail.com Email: QUÁ TRÌNH ÀO T O 2002 2007: Sinh viên khoa Công Ngh Thông Tin T ng Bách Khoa TP HCM 2011 nay: H c viên cao h c khoa Khoa H c& KT Máy Tính T ng Bách Khoa TP HCM Q TRÌNH CƠNG TÁC N m 2007 2012: : Công ty TNHH ISB Vi t Nam (Etown2, 364 C ng Hịa, P.13, Q.Tân Bình, TP HCM) N m 2012 nay: Công ty TNHH CSC Vi t Nam (366 Nguy n Trãi, P.8, Q.5, TP HCM) ... ki m tra mơ hình, ch ng minh n không g p tr ng i v vi c bùng n không gian tr ng thái Ph n lu n v n ch t p trung vào nhánh ki m tra mơ hình 2.1 ng ký hi u (Model checking) Trong ki m tra hình. .. m mơ hình tr ng so v i mơ hình g c K t qu th c nghi m cho th i v i mô hình có l i, v i Trong 6.2 k tinh l c tr u gi l i 50% bi n mơ hình tr u ng ng , ng d th ph thu c bi n ki ng ký hi u tinh. .. bi n ki tra mơ hình tr u ng ký hi u tinh l c tr ng ng, n u phát hi n l i, th c hi n tinh ch nh l i mơ hình tr u ng g n h th ng th c h n l p l i trình ki m tra 1.3 Ph m tài xu t m t ph tinh l c