噪声痕迹中学习
一种基于神经网络的新方法，可从正例和无标签样本中自动挖掘任意时态逻辑公式，无需负例且对不完美痕迹具有鲁棒性。
彭博 · Pingjia, Liang · Tingchen, Han · 罗伟玲 · 杜剑峰 · 万海 · Rongzhen, Ye · Yuhang, Zheng
2023
通过数据增强和正例无标签学习，仅从正例和无标签样本中即可学习，避免了实际中负例难以获得的问题。
采用神经网络搜索 LTL 公式，无需预定义模板，可表达任意 LTL 性质，突破模板方法的表达力限制。
即使痕迹来自部分剖析、上下文缺失或程序缺陷，PURLTL 仍能稳定挖掘出正确的规范。