Комплексний підхід до верифікації критичних комп’ютерних систем на основі машинного навчання, нечіткої логіки та теорії ігор

Abstract

Розглядаються сучасні підходи до верифікації комп’ютерних систем критичного призначення на основі виявлення аномалій та прогнозування збоїв. Запропоновано комплексний підхід, який поєднує прогностичні методи аналізу даних, нечіткі моделі прийняття рішень, технології машинного навчання на базі рекурентних нейронних мереж LSTM та алгоритму Isolation Forest, а також теоретико-ігрові моделі виявлення латентних дефектів. Показано, що інтеграція статистичних, інтелектуальних та теоретико-ігрових методів дозволяє підвищити ефективність верифікації критичного програмного забезпечення, забезпечити раннє виявлення аномалій та зменшити ризик виникнення відмов у процесі функціонування складних комп’ютерних систем.