Maison du doctorat Jean Kuntzmann
17 novembre 2023 - 14h30
Explications causales pour les systèmes temps réel réactifs (Phd Defense)
par Thomas Mari de VERIMAG (MOHYTOS), INRIA (SPADES)
Résumé : Avec la complexité croissante des systèmes embarqués, expliquer de manière concise les défaillances des systèmes est crucial pour comprendre ce qu'il s'est passé. Dans cette thèse, nous construisons des explications causales dont la formalisation est basée sur le l'analyse contrefactuelle. Pour cela, nous avons besoin d'un modèle du système et nous considérons des modèles à temps discret et dense.
Parmi les contributions de cette thèse, nous proposons une nouvelle approche pour calculer des explications causales qui sont basées sur l'utilisation de fonctions de robustesse quantitative. Ces fonctions de robustesse renvoient pour chaque état du système une valeur de robustesse qui évalue la capacité du système à éviter une défaillance. Cette fonction nous permet d'identifier et de mettre en exergue les éléments pertinents d'une exécution fautive, ainsi que de faire abstraction des éléments non pertinents. Les fonctions de robustesse sont définies par un ensemble de propriétés attendues dans le but d'expliquer la défaillance observé.
Pour les modèles à temps discret, nous proposons une approche symbolique pour construire des explications causales, appelées explications de choix. Ces explications sont basées sur une instance de fonction de robustesse, le niveau de choix.
Une autre contribution de cette thèse est d’appairer les explications causales avec une fonction sémantique qui retourne, pour une explication donnée, l'ensemble des comportements du système expliqué par cette explication. Grâce à cette fonction sémantique, nous formalisons un ensemble de propriétés attendues qui atteste de la qualité d'une explication par rapport à la défaillance observée. Nous proposons une approche symbolique pour calculer des explications causales et nous prouvons que les explications produites satisfont les propriétés attendues.
Thèse soutenue publiquement le 17 novembre 2023, devant le jury composé de :
GREGOR GOESSLER (Directeur de thèse)
DIRECTEUR DE RECHERCHE, INRIA CENTRE GRENOBLE-RHONE-ALPES
THAO DANG (Directrice de thèse)
DIRECTRICE DE RECHERCHE, CNRS DELEGATION ALPES
PATRICIA BOUYER-DECITRE (Examinatrice)
DIRECTRICE DE RECHERCHE, CNRS DELEGATION ILE-DE-FRANCE SUD
ERIC GAUSSIER (Examinateur)
PROFESSEUR DES UNIVERSITES, UNIVERSITE GRENOBLE ALPES
OLEG SOKOLSKY(Examinateur)
ASSOCIATE PROFESSOR, UNIVERSITY OF PENNSYLVANIA
STEPHAN LEUE (Rapporteur)
PROFESSEUR, UNIVERSITÄT KONSTANZ
DEJAN NICKOVIC (Rapporteur)
SENIOR SCIENTIST, AUSTRIAN INSTITUTE OF TECHNOLOGY
