Software diagnostics for autonomous safety-critical control-systems based on artificial intelligence
Javier Fernández Muñoz
18/07/2023
- DIRECTORES: Irune Agirre Troncoso y Jaume Abella Ferrer
- UNIVERSIDAD: Universitat Politècnica de Catalunya (UPC)
RESUMEN
Los sistemas de aprendizaje automático (ML) permiten la implementación eficiente de funcionalidades que pueden ser difíciles de programar por el software tradicional debido al elevado espectro de entradas que dificultan la definición de un conjunto de reglas procedimentales específicas. Esta característica de los sistemas ML ha fomentado su adopción en aplicaciones como la detección de objetos o la clasificación de imágenes en diversos ámbitos relacionados con la seguridad, que están sujetos a certificación de seguridad. Esta certificación suele lograrse mediante la adhesión a las normas tradicionales de seguridad funcional, como IEC 61508 o ISO 26262. Sin embargo, estas normas no se concibieron para dar cabida a tecnologías como el ML en los sistemas relacionados con la seguridad debido a su proceso de desarrollo, que se basa en modelos probabilísticos generados a partir de datos de entrenamiento, a diferencia de los componentes de software tradicionales codificados a partir de especificaciones. Además, surgen nuevos retos debido a que estos algoritmos de ML necesitan procesar grandes volúmenes de datos, lo que requiere plataformas de computación embebidas de alto rendimiento (HPEC) con capacidades de cálculo muy superiores a las de los sistemas de seguridad tradicionales, como dispositivos multinúcleo y aceleradores con GPUs. Las actuales normas de seguridad funcional no proporcionan orientaciones explícitas para el uso de plataformas HPEC en sistemas relevantes para la seguridad, y la complejidad inherente a esas arquitecturas altamente paralelas supone un reto para las certificaciones. Con esta Tesis, intentamos abordar estos retos y dar un paso adelante hacia la certificación de seguridad funcional de los sistemas de control de seguridad que integran componentes ML en plataformas HPEC.