Cyber-physical software delivers context-aware services through continually interacting with its physical environment and adapting to the changing surroundings. However, when the software's assumptions on the environment no longer hold, the interactions can introduce errors for leading to unexpected behaviors and even system failures. One promising solution to this problem is to conduct runtime monitoring of invariants. Violated invariants reflect latent erroneous states (i.e., abnormal states that could lead to failures). In turn, monitoring when program executions violate the invariants can allow the software to take alternative measures to avoid danger. In this article, we present context-based Multiinvariant detection (CoMID), an approach that automatically infers invariants and detects abnormal states for cyber-physical programs. CoMID consists of two novel techniques, namely context-based trace grouping and multiinvariant detection. The former infers contexts to distinguish different effective scopes for CoMID's derived invariants, and the latter conducts ensemble evaluation of multiple invariants to detect abnormal states during runtime monitoring. We evaluate CoMID on real-world cyber-physical software. The results show that CoMID achieves a 5.7–28.2% higher true-positive rate and a 6.8–37.6% lower false-positive rate in detecting abnormal states, as compared with the existing approaches. When deployed in field tests, CoMID's runtime monitoring improves the success rate of cyber-physical software in its task executions by 15.3–31.7%.

中文翻译：

---

CoMID：用于监控网络物理软件的基于上下文的多变量检测

网络物理软件通过不断与其物理环境交互并适应不断变化的环境来提供上下文感知服务。但是，当软件对环境的假设不再成立时，交互可能会引入错误，从而导致意外行为甚至系统故障。这个问题的一个有前途的解决方案是对不变量进行运行时监控。违反不变量反映潜在的错误状态（即可能导致故障的异常状态）。反过来，监控程序执行何时违反不变量可以允许软件采取替代措施来避免危险。在本文中，我们介绍了基于上下文的多变量检测 (CoMID)，这是一种自动推断不变量并检测网络物理程序异常状态的方法。CoMID 由两种新技术组成，即基于上下文的跟踪分组和多不变检测。前者推断上下文以区分 CoMID 派生的不变量的不同有效范围，后者对多个不变量进行集成评估以检测运行时监控期间的异常状态。我们在现实世界的网络物理软件上评估 CoMID。结果表明，与现有方法相比，CoMID 在检测异常状态时的真阳性率提高了 5.7-28.2%，假阳性率降低了 6.8-37.6%。在现场测试中部署时，CoMID 的运行时监控将网络物理软件在其任务执行中的成功率提高了 15.3-31.7%。前者推断上下文以区分 CoMID 派生的不变量的不同有效范围，后者对多个不变量进行集成评估以检测运行时监控期间的异常状态。我们在现实世界的网络物理软件上评估 CoMID。结果表明，与现有方法相比，CoMID 在检测异常状态时的真阳性率提高了 5.7-28.2%，假阳性率降低了 6.8-37.6%。在现场测试中部署时，CoMID 的运行时监控将网络物理软件在其任务执行中的成功率提高了 15.3-31.7%。前者推断上下文以区分 CoMID 派生的不变量的不同有效范围，后者对多个不变量进行集成评估以检测运行时监控期间的异常状态。我们在现实世界的网络物理软件上评估 CoMID。结果表明，与现有方法相比，CoMID 在检测异常状态时的真阳性率提高了 5.7-28.2%，假阳性率降低了 6.8-37.6%。在现场测试中部署时，CoMID 的运行时监控将网络物理软件在其任务执行中的成功率提高了 15.3-31.7%。我们在现实世界的网络物理软件上评估 CoMID。结果表明，与现有方法相比，CoMID 在检测异常状态时的真阳性率提高了 5.7-28.2%，假阳性率降低了 6.8-37.6%。在现场测试中部署时，CoMID 的运行时监控将网络物理软件在其任务执行中的成功率提高了 15.3-31.7%。我们在现实世界的网络物理软件上评估 CoMID。结果表明，与现有方法相比，CoMID 在检测异常状态时的真阳性率提高了 5.7-28.2%，假阳性率降低了 6.8-37.6%。在现场测试中部署时，CoMID 的运行时监控将网络物理软件在其任务执行中的成功率提高了 15.3-31.7%。