Τεχνικές ανάλυσης και παρακολούθησης ορθής λειτουργίας πληροφοριακών συστημάτων πολλαπλών επιπέδων

Abstract

This thesis deals with the design and development of goal model reasoning frameworks. The goal models aim to denote system requirements, system policies, and stakeholder objectives. The reasoning frameworks aim to a) assist on run-time system verification, and b) assist on the formation of remedial plans when one or more requirements are failed to be delivered. For the run-time system verification, the thesis proposes a bottom-up reasoning framework that utilizes fuzzy goal models proposed as an extension of standard goal models. More specifically, the stakeholders of a software system define sets of goals that the software system under review should comply with. This can be achieved by designing instances of a meta-model proposed as an extension of AND/OR goal trees with well defined formal semantics. These instances (i.e. models) can then be transformed to a set of weighted fuzzy logic programs that constitute the knowledge base of a fuzzy controller. Additionally, values for all observable characteristics of the system are collected by actively monitoring the system, and are transformed to fuzzy facts through a proper fuzzification process. Finally, a fuzzy inference engine is utilized in order to evaluate the degree of satisfaction for the various goals posed by the stakeholders, using run-time system information.Similarly, for the formation of remedial plans, the thesis proposes a top-down reasoning framework that utilizes SAT solvers and genetic algorithms. More specifically, the thesis proposes temporal dependencies between nodes as extensions to standard goal models, in order to represent sequences of possible remedial actions. The reasoning strategy evaluates these models, in order to devise optimal remedial plans when the system fails to comply with, or deliver its requirements. The objective is for these remedial plans to have a positive impact towards reconfiguring the system to a state that can either satisfy its requirements, or satisfice them within an acceptable degree. Finally, the thesis reports on evaluation experiments on the performance, scalability, and stability of the proposed reasoning frameworks, and identifies areas of future research.

Αντικείμενο της παρούσας διδακτορικής διατριβής είναι ο σχεδιασμός και η ανάπτυξη ενός περιβάλλοντος-πλαισίου που υποστηρίζει διαδικασίες συμπερασμού σε μοντέλα δέντρων στόχων. Τα μοντέλα δέντρων στόχων χρησιμοποιούνται για την απεικόνιση απαιτήσεων συστήματος, πολιτικών και στόχων που θέτουν οι εμπλεκόμενοι στο σύστημα. Οι διαδικασίες συμπερασμού χρησιμοποιούνται για α) την επαλήθευση συστημάτων λογισμικού κατά τον χρόνο εκτέλεσης, και β) την συγκρότηση πλάνων αποκατάστασης στην περίπτωση που ένας ή περισσότεροι από τους στόχους δεν ικανοποιούνται.Για την επαλήθευση συστημάτων λογισμικού κατά το χρόνο εκτέλεσης, προτείνεται μια διαδικασία συμπερασμού από τα φύλλα προς τις ρίζες (bottom-up), για ασαφή μοντέλα δέντρων στόχων. Πιο συγκεκριμένα, οι εμπλεκόμενοι του συστήματος ορίζουν σύνολα στόχων οι οποίοι πρέπει να επαληθεύονται κατά τον χρόνο εκτέλεσης. Οι μοντελοποίηση αυτόν των στόχων γίνεται με την χρήση ενός μεταμοντέλου που βασίζεται στα AND/OR μοντέλα δέντρων στόχων. Στιγμιότυπα αυτού του μεταμοντέλου είναι δυνατόν να μετασχηματιστούν σε σταθμισμένους ασαφείς κανόνες, που στη συνέχεια θα αποτελέσουν την βάση γνώσης ενός ασαφούς ελεγκτή. Επιπλέον, το σύνολο των παρατηρήσεων που μπορούν να εξαχθούν από το σύστημα μετατρέπονται σε ασαφή δεδομένα (fuzzy facts) μέσω μίας κατάλληλης διαδικασίας ασαφοποίησης, και χρησιμοποιώντας μία κατάλληλη μηχανή συμπερασμού είναι εφικτό να υπολογιστεί ο βαθμός ικανοποίησης των αρχικών στόχων που έχουν θέσει οι stakeholders του συστήματος.Για την δημιουργία των πλάνων αποκατάστασης, προτείνεται ένας μηχανισμός συμπερασμού από τις ρίζες του μοντέλου προς τα φύλλα (top-down), που χρησιμοποιεί SAT solvers και γενετικούς αλγορίθμους. Πιο συγκεκριμένα, χρησιμοποιούνται μοντέλα που επιτρέπουν τον ορισμό χρονικών εξαρτήσεων ανάμεσα στους κόμβους που συμβολίζουν ενέργειες (actions). Στην περίπτωση που οι στόχοι του συστήματος δεν επαληθεύονται, είναι δυνατόν τα μοντέλα αυτά να χρησιμοποιηθούν σε συνδυασμό με κατάλληλους μηχανισμούς συμπερασμού, έτσι ώστε να προταθεί ένα πλάνο εκτέλεσης για την αλλαγή παραμέτρων του συστήματος, οι οποίες αλλαγές μπορούν να έχουν θετική επίδραση στους στόχους του συστήματος.