Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
복잡한 소프트웨어 시스템의 안전한 진화를 위해 살아있는 지식 모델(living KMs)을 구축하는 TrustModel 프레임워크를 제안합니다. 이 모델은 모델링, 적합성 평가, 진화라는 세 가지 에이전트 하위 시스템을 통해 지식 모델을 지속적으로 업데이트하고 동기화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기자율 주행 차량(autonomous vehicles), 로보틱스(robotics)와 같은 복잡한 소프트웨어 시스템은 동적인 물리적, 사이버 및 사회적 환경과 점점 더 많이 상호작용하고 있습니다. 이러한 시스템의 동작을 추론하고, 지속적인 변화 속에서 시스템을 유지하며, 안전하게 진화시키기 위해서는 시스템, 시스템의 가정(assumptions), 그리고 운영 컨텍스트(operating context)에 대한 신뢰할 수 있는 지식이 필요합니다. 지식 모델(Knowledge Models, KMs)은 이러한 추론을 위한 실질적인 기반을 제공하지만, 시스템이 진화함에 따라 모델 자체가 불완전해지거나, 모순되거나, 시대에 뒤처질 수 있습니다. 본 논문은 살아있는 지식 모델(living KMs)의 에이전트 기반 생성 및 진화를 위한 비전인 TrustModel을 제시합니다. TrustModel은 세 가지 에이전트 하위 시스템으로 구성됩니다: 지식 모델을 구축하고 업데이트하는 모델링(Modeling), 지식 모델이 시스템 및 환경과 일치하는지 평가하는 적합성(Conformance), 그리고 새로운 변화에 맞춰 지식 모델을 동기화하기 위한 가이드를 생성하는 진화(Evolution)입니다. 우리는 TrustModel이 모델 기반 테스트(model-based testing)를 위해 어떻게 구현될 수 있는지 입증하며, 요구사항 및 가정 모니터링(requirements and assumption monitoring), 아키텍처 드리프트 추적(architectural drift tracking), 변경 영향 평가(change impact assessment)와 같은 다른 모델 주도 공학(Model-Driven Engineering, MDE) 활동을 지원할 수 있는 잠재력에 대해 논의합니다. 종합적으로, TrustModel은 지속적으로 진화하는 소프트웨어 시스템의 신뢰할 수 있는 엔지니어링(dependable engineering)을 위한 토대로서 살아있는 지식 모델(living KMs)의 위치를 정립합니다.