我们提出了一种数据驱动的算法，用于数值不变综合和验证。该算法基于ICE-DT模式，用于从正状态和负面状态的样本中学习决策树以及与程序过渡相对应的含义。我们解决的主要问题是发现在数值不变的学习过程中使用的相关属性。我们定义了一种解决此问题的方法，该问题由数据样本引导。它是基于覆盖正态并排除负面状态的分离器的构造，与含义一致。分离器是使用凸集的抽象域表示构建的。决策树从分离器的约束中学习的概括机制允许推断一般不变性，足以证明目标属性。我们实施了算法并显示了其效率。
translated by 谷歌翻译