本發(fā)明屬于安全關(guān)鍵領(lǐng)域，具體為一種基于大語言模型的aadl模型自動生成方法。

背景技術(shù)：

1、安全關(guān)鍵系統(tǒng)(safety-critical?systems)一般是指如果關(guān)鍵功能失效或喪失，可能導(dǎo)致災(zāi)難性后果的一類系統(tǒng)，并廣泛應(yīng)用于航空、航天、核能等關(guān)鍵領(lǐng)域。安全關(guān)鍵軟件(safety-critical?software)是指應(yīng)用于安全關(guān)鍵系統(tǒng)中，且其運(yùn)行情況可能引起系統(tǒng)處于危險狀態(tài)，從而導(dǎo)致財產(chǎn)損失、環(huán)境破壞或者人員傷害的一類軟件。即，安全關(guān)鍵軟件一般為安全關(guān)鍵系統(tǒng)的一部分，它可能引起或者助長不安全的條件，這樣的軟件被認(rèn)為是安全關(guān)鍵的。近年來，由于軟件系統(tǒng)問題引發(fā)的事故屢見不鮮。如過去十年間的豐田召回事件，由于各種控制軟件問題，例如2012年的汽車電動車窗升降控制系統(tǒng)故障、2013年的變速控制故障、2015～2018年的高田氣囊故障問題等，共造成了數(shù)十億美元的損失；2016年日本宇航局jaxa宣布耗資310億日元的x射線天文探測衛(wèi)星hitomi由于姿控軟件故障，導(dǎo)致異常翻滾，最終徹底失控?？梢姡浖到y(tǒng)對嵌入式系統(tǒng)安全性的影響逐漸占據(jù)統(tǒng)治地位，軟件控制系統(tǒng)的故障和安全性問題已成為發(fā)生事故的重要原因。因此，保障嵌入式軟件的安全性成為當(dāng)前軟件工程研究領(lǐng)域的一個非常重要的課題。

2、軟件安全性分析是保障軟件安全性的一種廣泛接受的方法。當(dāng)前，針對軟件的安全性分析工作主要集中在軟件需求規(guī)約和軟件設(shè)計階段。軟件的設(shè)計缺乏遠(yuǎn)見以及規(guī)約錯誤是影響安全性的最主要原因。當(dāng)前，軟件需求主要采用自然語言描述，存在二義性和模糊性以及不完整性，且難以進(jìn)行自動化分析處理，使得軟件設(shè)計主要依賴設(shè)計人員對自然語言需求的理解。這也是模型驅(qū)動開發(fā)方法(model-driven?development，簡稱mdd)一般都是從軟件的分析模型或者設(shè)計模型開始而非需求模型的根本原因。正是由于自然語言需求不可避免地存在二義性和模糊性，才會使得軟件設(shè)計模型會因設(shè)計人員對需求理解的不一致而導(dǎo)致偏差，進(jìn)而導(dǎo)致軟件的安全性問題。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：為解決由于自然語言需求的二義性和模糊性，影響軟件安全性的問題，本發(fā)明提出了一種基于大語言模型的aadl模型自動生成方法，本發(fā)明旨在探索利用大語言模型來輔助安全關(guān)鍵軟件的aadl建模，以提升安全關(guān)鍵軟件的開發(fā)效率和質(zhì)量。

2、技術(shù)方案：一種基于大語言模型的aadl模型自動生成方法，包括以下步驟：

3、構(gòu)建安全關(guān)鍵領(lǐng)域aadl知識庫；

4、通過微調(diào)技術(shù)，將構(gòu)建的安全關(guān)鍵領(lǐng)域aadl知識庫注入到本地大語言模型中，得到微調(diào)后的大語言模型；

5、將安全關(guān)鍵領(lǐng)域aadl知識庫外掛到微調(diào)后的大語言模型上，得到安全關(guān)鍵軟件專有大語言模型；

6、輸入提示詞至安全關(guān)鍵軟件專有大語言模型中，得到aadl模型生成結(jié)果。

7、進(jìn)一步的，所述的構(gòu)建安全關(guān)鍵領(lǐng)域aadl知識庫，具體操作包括：

8、確定要構(gòu)建的安全關(guān)鍵領(lǐng)域aadl知識庫的安全關(guān)鍵領(lǐng)域的范圍；

9、獲取在該安全關(guān)鍵領(lǐng)域的范圍內(nèi)的aadl建模案例；

10、從aadl建模案例中提取aadl語法知識；所述aadl語法知識包括aadl組件的定義方式、連接關(guān)系、數(shù)據(jù)流的傳遞及其他關(guān)鍵設(shè)計模式；

11、根據(jù)aadl語法知識，人工撰寫提示內(nèi)容；每個提示內(nèi)容與相應(yīng)的aadl語法知識配對，形成配對表格；

12、將配對表格中的配對內(nèi)容轉(zhuǎn)換為適合本地大語言模型訓(xùn)練的數(shù)據(jù)格式，得到安全關(guān)鍵領(lǐng)域aadl知識庫。

13、進(jìn)一步的，所述的將配對表格中的配對內(nèi)容轉(zhuǎn)換為適合本地大語言模型訓(xùn)練的數(shù)據(jù)格式，具體包括：

14、將配對表格中的配對內(nèi)容轉(zhuǎn)換為json字符串格式，表示為：

15、{“prompt”:“xxxxxx”,“knowledge”：“xxxxxxxx”}

16、其中，prompt對應(yīng)的內(nèi)容為提示內(nèi)容，knowledge對應(yīng)的內(nèi)容為相應(yīng)的aadl語法知識；

17、將json字符串格式轉(zhuǎn)換為適合大語言模型訓(xùn)練的數(shù)據(jù)格式，表示為：

18、{"conversations":[{"role":"user","content":"xxxxxx"},{"role":"assistant","content":"xxxxxxxx"}]}

19、其中，conversations表示用戶和大語言模型的多輪交互，role表示用戶或者大語言模型所扮演的角色，user表示用戶，content表示對應(yīng)角色輸入或者輸出的文本，xxxxxx表示用戶的實際輸入內(nèi)容，即提示詞，assistant表示大語言模型，xxxxxxxx表示大語言模型對用戶輸入的生成回復(fù)。

20、進(jìn)一步的，通過lora微調(diào)技術(shù)，將構(gòu)建的安全關(guān)鍵領(lǐng)域aadl知識庫注入到本地大語言模型中，得到微調(diào)后的大語言模型。

21、進(jìn)一步的，所述的通過lora微調(diào)技術(shù)，將構(gòu)建的安全關(guān)鍵領(lǐng)域aadl知識庫注入到本地大語言模型中，得到微調(diào)后的大語言模型，具體包括：

22、將本地大語言模型的權(quán)重矩陣w分解為兩個低秩矩陣a和b，表示為：w＝w_0+ba，其中，w_0為本地大語言模型的權(quán)重矩陣，a和b均為低秩矩陣，且rank(b)<<rank(w)；

23、在微調(diào)過程中，僅訓(xùn)練兩個低秩矩陣a和b，保持w_0不變；

24、將訓(xùn)練好的兩個低秩矩陣a和b注入到本地大語言模型的transformer架構(gòu)的每一層中，得到微調(diào)后的大語言模型。

25、進(jìn)一步的，采用rag技術(shù)，將安全關(guān)鍵領(lǐng)域aadl知識庫外掛到微調(diào)后的大語言模型上，得到安全關(guān)鍵軟件專有大語言模型。

26、進(jìn)一步的，所述的采用rag技術(shù)，將安全關(guān)鍵領(lǐng)域aadl知識庫外掛到微調(diào)后的大語言模型上，得到安全關(guān)鍵軟件專有大語言模型，具體操作包括：

27、根據(jù)用戶輸入的查詢問題，從安全關(guān)鍵領(lǐng)域aadl知識庫抓取相關(guān)信息；

28、將抓取到的相關(guān)信息轉(zhuǎn)化為高維度空間中的知識矢量；

29、基于與用戶輸入的查詢問題的相關(guān)性，對高維度空間中的知識矢量進(jìn)行排序，將分?jǐn)?shù)最高的知識矢量加入提示內(nèi)容中。

30、進(jìn)一步的，輸入至安全關(guān)鍵軟件專有大語言模型中的提示詞為符合提示框架的提示詞；

31、所述提示框架由基于限定自然語言需求模板、命名格式規(guī)范和設(shè)計約束構(gòu)成；

32、所述基于限定自然語言需求模板包括：組件名稱、組件類型、輸入輸出、組成、功能需求、連接分析、接口需求和性能需求。

33、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

34、(1)自動化：本發(fā)明的大語言模型可以根據(jù)用戶描述快速生成aadl代碼，減少了手動編寫的時間，且能夠處理大量的建模任務(wù)，從而提高生產(chǎn)效率；

35、(2)準(zhǔn)確性：本發(fā)明的大語言模型能夠依據(jù)標(biāo)準(zhǔn)語法和規(guī)范生成代碼，減少人為錯誤和疏漏，保持代碼輸出的一致性，確保符合aadl的最佳實踐，從而提高系統(tǒng)建模的可靠性和可維護(hù)性；

36、(3)智能輔助：基于本發(fā)明的大語言模型，用戶可以使用自然語言描述需求，模型理解并轉(zhuǎn)換為aadl代碼，顯著降低了使用門檻；

37、(4)采用本發(fā)明方法來輔助安全關(guān)鍵軟件的aadl建模，可以大大提升安全關(guān)鍵軟件的開發(fā)效率和質(zhì)量，以減少人力成本；

38、(5)針對嵌入式軟件需求與設(shè)計之間的這一鴻溝展開研究，本發(fā)明提出一種基于限定自然語言需求模板的提示框架，消除了自然語言需求二義性，模糊性的缺點。