We consider the runtime enforcement of Linear-time Temporal Logic formulas on decentralized systems. A so-called enforcer is attached to each system component and observes its local trace. Should the global trace violate the specification, the enforcers coordinate to correct their local traces. We formalize the decentralized runtime enforcement problem and define the expected properties of enforcers, namely soundness, transparency and optimality. We present two enforcement algorithms. In the first one, the enforcers explore all possible local modifications to find the best global correction. Although this guarantees an optimal correction, it forces the system to synchronize and is more costly, computation and communication wise. In the second one, each enforcer makes a local correction before communicating. The reduced cost of this version comes at the price of the optimality of the enforcer corrections.


翻译:我们考虑对分散系统的线性时空逻辑公式的运行时间执行。 所谓的执行者附于每个系统组成部分并观察其本地跟踪。 如果全球跟踪违反规格, 执行者协调纠正其本地跟踪。 我们正式确定分散运行时间执行问题, 并界定执行者的预期特性, 即稳妥性、 透明度和最佳性。 我们提出两种执行算法。 在第一个系统, 执行者探索所有可能的本地修改, 以找到最佳的全球校正 。 虽然这保证了最佳校正, 但它迫使系统同步化, 并且成本更高、 计算和沟通。 在第二个系统, 每个执行者在沟通前都进行本地校正。 这个版本的降低成本是以执行者校正的最佳性为代价的。

0
下载
关闭预览

相关内容

【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
最新《联邦学习Federated Learning》报告,Federated Learning
专知会员服务
86+阅读 · 2020年12月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
已删除
将门创投
3+阅读 · 2018年10月11日
【跟踪Tracking】15篇论文+代码 | 中秋快乐~
专知
18+阅读 · 2018年9月24日
On Decentralized Multi-Transmitter Coded Caching
Arxiv
0+阅读 · 2021年9月14日
Arxiv
31+阅读 · 2020年9月21日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员