版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著技術(shù)的發(fā)展和人們需求的不斷提高,實時系統(tǒng)的復(fù)雜度在不斷地增長,為實時系統(tǒng)的開發(fā)帶來了巨大挑戰(zhàn)。本文在異步擴展層次自動機(Asynchronous Extended Hierarchical Automata, ASEHA)上,引入了時鐘變量,在遷移和位置上增加了時鐘約束,給出了一種具有時間擴展的ASEHA模型,有效降低了實時系統(tǒng)建模的復(fù)雜性,利用模型檢測工具UPPAAL,對 ATM(Automatic Teller Machine)
2、系統(tǒng)和旅游預(yù)訂票Web服務(wù)系統(tǒng)進行檢驗,驗證了系統(tǒng)無死鎖、可達性、活性、安全性等性質(zhì)。本文所取得的主要成果有:
(1)針對實時系統(tǒng),給出了一種基于時間擴展的ASEHA模型。將實時系統(tǒng)建模為具有時間擴展的ASEHA模型,以ATM系統(tǒng)為例闡述了建模過程,利用UPPAAL工具檢驗該系統(tǒng)的可達性等性質(zhì),最后驗證表明該模型是正確的、安全的。
(2)針對帶時間約束的組合W eb服務(wù)系統(tǒng),給出了一種模型檢測方法。將組合W eb服務(wù)
3、的描述語言BPEL4WS轉(zhuǎn)化成基于時間擴展的ASEHA語言,對組合Web服務(wù)建立形式化模型,采用模型檢測工具UPPAAL對系統(tǒng)的實時性和可信性進行驗證,從而保證了系統(tǒng)模型的實效性與安全性。
(3)基于本文提出的具有時間擴展的ASEHA對帶時間約束的組合Web服務(wù)系統(tǒng)驗證的方法,分析了旅游預(yù)訂票W eb服務(wù)系統(tǒng),給出了該系統(tǒng)的BPEL4WS描述語言轉(zhuǎn)化為時間擴展的ASEHA語言代碼和形式化定義描述,建立了基于時間擴展的ASEHA
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時間護展的ASEHA的模型檢測技術(shù)研究.pdf
- 基于懶惰切片的模型檢測技術(shù)研究.pdf
- 基于時間反轉(zhuǎn)法的管道導(dǎo)波檢測技術(shù)研究.pdf
- 基于系統(tǒng)相似模型與持續(xù)時間的話題檢測技術(shù)研究.pdf
- 基于寬度優(yōu)先搜索的模型檢測技術(shù)研究.pdf
- 基于云模型的免疫檢測技術(shù)研究.pdf
- 基于模態(tài)邏輯的模型檢測技術(shù)研究.pdf
- 基于時間序列的入侵檢測模型研究.pdf
- 基于改進ISM模型的目標(biāo)檢測技術(shù)研究.pdf
- 基于混合模型的Android惡意行為檢測技術(shù)研究.pdf
- 基于模型檢測的類測試自動生成技術(shù)研究.pdf
- 基于部件模型的復(fù)雜環(huán)境行人檢測技術(shù)研究.pdf
- 基于混合分類模型的入侵檢測技術(shù)研究.pdf
- 基于博弈模型的入侵檢測關(guān)鍵技術(shù)研究.pdf
- 基于圖模型的傳感網(wǎng)事件檢測技術(shù)研究.pdf
- 基于rbfnnhmm模型的網(wǎng)絡(luò)入侵檢測技術(shù)研究
- 基于RBFNN-HMM模型的網(wǎng)絡(luò)入侵檢測技術(shù)研究.pdf
- 基于MRF模型的水下聲納圖像目標(biāo)檢測技術(shù)研究.pdf
- 基于流量自相似模型的DDoS攻擊檢測技術(shù)研究.pdf
- 基于Takagi-Sugeno模型FNN的入侵檢測技術(shù)研究.pdf
評論
0/150
提交評論