Der Artikel stellt DEEPCDCL, einen neuartigen Verifikationsrahmen für neuronale Netze, vor, der auf dem CDCL-Algorithmus basiert. DEEPCDCL besteht aus zwei Hauptmodulen: dem Solver-Modul, das mehrere Solver-Threads zur Problemlösung verwendet, und dem Clause-Manager-Modul, das Konfliktklauses generiert, sammelt und verwaltet.
Der Lösungsprozess beginnt damit, dass die Solver-Threads Konfliktklauses aus dem Clause-Pool abrufen und den Einheitspropagationsprozess durchführen. Bei Auftreten eines Konflikts wird eine Konfliktanalyse durchgeführt, um das Rücksprungniveau zu bestimmen, und der Solver springt entsprechend zurück. Andernfalls überprüft der Solver den abstrakten Zustand des aktuellen neuronalen Netzes. Wenn der aktuelle Suchpfad als unerfüllbar erkannt wird, wird er an den UNSAT-Pfad-Pool gesendet, gefolgt von einer Analyse des Rücksprunglevels und anschließendem Rücksprung. Wenn Rücksprung nicht möglich ist, bedeutet dies die Unerfüllbarkeit des Gesamtproblems, was die Gültigkeit der Eigenschaft bestätigt. Wenn die Randbedingungen als erfüllbar erkannt werden, leitet der Solver eine lokalisierte Suche nach einem Gegenbeispiel ein. Wenn ein echtes Gegenbeispiel gefunden wird, wird die Verletzung der Eigenschaft direkt festgestellt; andernfalls erfolgt eine Verzweigung, die den nächsten Verifikationsschleife einleitet.
Um die Effizienz weiter zu steigern, haben die Autoren verschiedene Optimierungen vorgenommen, wie z.B. ein asynchrones Lernen von Konfliktklauses, eine binäre Suche zur Identifizierung von Konfliktklauses und eine Begrenzung der Eingabeaufteilung.
Die Evaluation auf den ACAS Xu- und MNIST-Datensätzen zeigt, dass DEEPCDCL in den meisten Fällen effizienter ist als das Marabou-Tool, insbesondere bei der Lösung von UNSAT-Problemen. Eine Fallstudie veranschaulicht, wie DEEPCDCL durch das Lernen und Nutzen von Konfliktklauses die Suche beschleunigen kann.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Zongxin Liu,... at arxiv.org 03-14-2024
https://arxiv.org/pdf/2403.07956.pdfDeeper Inquiries