Using active learning to synthesize models of applications that access databases
Using active learning to synthesize models of applications that access databases
复制标题
使用主动学习来综合访问数据库的应用程序模型
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
M. Rinard
中科院分区：
文献类型：
--
作者：
Jiasi Shen;M. Rinard
我们提出了Konure，一个新的系统，使用主动学习来推断模型的应用程序访问关系数据库。Konure包括一个领域特定的语言（每个模型都是这种语言的程序）和相关的推理算法，该算法推断出其行为可以用这种语言表达的应用程序的模型。推理算法生成输入和数据库配置，运行应用程序，然后观察产生的数据库流量和输出，以逐步完善其当前模型假设。由于该技术仅适用于外部可观察的输入、输出和数据库配置，因此它可以推断出使用任意编码风格以任意语言编写的应用程序的行为（只要应用程序的行为可以用特定于域的语言表达）。Konure还实现了一个再生器，它可以生成应用程序的翻译Python实现，系统地包括相关的安全和错误检查。
We present Konure, a new system that uses active learning to infer models of applications that access relational databases. Konure comprises a domain-specific language (each model is a program in this language) and associated inference algorithm that infers models of applications whose behavior can be expressed in this language. The inference algorithm generates inputs and database configurations, runs the application, then observes the resulting database traffic and outputs to progressively refine its current model hypothesis. Because the technique works with only externally observable inputs, outputs, and database configurations, it can infer the behavior of applications written in arbitrary languages using arbitrary coding styles (as long as the behavior of the application is expressible in the domain-specific language). Konure also implements a regenerator that produces a translated Python implementation of the application that systematically includes relevant security and error checks.
影响因子：
--
作者：
Yu Feng;R. Martins;O. Bastani;Işıl Dillig
通讯作者：
Yu Feng;R. Martins;O. Bastani;Işıl Dillig
用于组合程序综合的递归博弈
DOI：
10.1007/978-3-319-29613-5_2
发表时间：
2015
期刊：
影响因子：
--
作者：
Beyene;Chaudhuri;Popeea;Rybalchenko
通讯作者：
Rybalchenko