자연어 소프트웨어 요구사항의 뉴로심볼릭 감사 (Neurosymbolic Auditing)

요약

본 논문은 자연어 소프트웨어 요구사항의 모호성, 비일관성 등의 결함을 탐지하고 검증하는 뉴로심볼릭 감사(Neurosymbolic Auditing) 방법을 제시합니다. 이 방법은 SMT solver가 장착된 LLM을 사용하여 요구사항을 형식 논리로 번역하고, 확률적 변동과 SMT 쿼리를 통해 모호성, 불일치, 안전 위반 등을 체계적으로 찾아냅니다. 특히 의료 기기 소프트웨어 요구사항에 적용한 VERIMED 파이프라인은 구체적인 SMT 반례를 활용하여 검증 정확도를 크게 향상시킬 수 있음을 입증했습니다.

핵심 포인트

• LLM과 SMT solver를 결합한 뉴로심볼릭 접근법을 통해 자연어 요구사항의 형식적 감사가 가능해졌다.
• 요구사항의 모호성은 독립적인 형식화 과정 전반에 걸친 확률적 변동(stochastic variation)으로 탐지할 수 있다.
• 양방향 SMT 동등성 검사(bidirectional SMT equivalence checking)를 통해 요구사항 간의 불일치를 테스트 케이스로 전환할 수 있다.
• 구체적인 SMT 반례 기반 수정(counterexample-guided repair)은 소프트웨어 요구사항의 검증 정확도를 획기적으로 높인다.