20、云端模型检查助力自适应系统保障

云端模型检查助力自适应系统保障

在当今科技发展中，自适应系统的设计与验证面临诸多挑战。为了给自适应系统的设计提供保障，相关技术不断涌现，其中云端模型检查即服务（MCaaS）以及基于随机多人游戏（SMGs）的模型检查方法备受关注。

MCaaS：云端模型检查服务

MCaaS将计算密集型的模型检查任务卸载到云端，通过服务接口让资源受限的设备也能使用模型检查技术。其主要流程包括预测、执行和预测器学习三个关键步骤：
1. 预测 ：利用估计函数预测具体模型检查请求的资源消耗。通过将属性提取得到的值输入预测函数，计算出近似的资源消耗概况。
2. 执行 ：根据请求所需的资源，确定合适的虚拟机实例并分配模型检查任务（必要时部署新的虚拟机）。在执行过程中，监控具体模型检查任务的实际资源消耗，用于后续提高未来预测的精度。
3. 预测器学习 ：运行时监控资源消耗所收集的数据可用于进一步学习和提高预测准确性。这些数据甚至可以与离线学习期间生成的数据相结合，形成更大的数据集。建议在数据集有大量新增数据时定期进行在线学习，然后将输出反馈到预测步骤以处理后续请求。

MCaaS的实践实现

为了验证MCaaS的可行性，开发了一个基于Java的原型。该原型提供了一组REST API，供客户端调用。由于模型检查技术和工具众多，这里重点关注概率模型检查，并选择了广泛使用的PRISM工具来验证离散时间马尔可夫链（DTMC）规范和用概率计算树逻辑（PCTL）表达的属性。PRISM安装在不同配置的虚拟机实例上，当请求到达时，选择合适的虚拟机并调用PRISM来处理