Reliability Analysis of TSN Networks Under SEU Induced Soft Error Using Model Checking
Notice bibliographique
Résumé
The fault-tolerance under Single Event Upset (SEU) is a crucial requirement for space and avionics applications due to the harsh radiation environment. The communication network is one of the components that can be affected by SEUs. Therefore, we are interested in the transmission reliability of Time-Sensitive Networking (TSN) under SEUs. TSN network allows deterministic Time-Triggered (TT) communication by introducing a new traffic shaper, namely, Time Aware Shaper (TAS). The TAS is configured to control the traffic flow based on the time and traffic class. Specifically, we inject the SEUs in the TAS. These configurations are stored in a list of entries, namely, Gate Control List (GCL). In this paper, we introduce a new framework to investigate the vulnerability of the TSN network to SEUs. This analysis allows the identification of SEU-induced communication failures in critical time-triggered traffic. The proposed framework introduces a Priced Timed Automata (PTA) model for TSN networks based on the network topology and traffic. The proposed model allows the injection of SEU propagation in Time Aware Shaper (TAS) configuration list. In particular, we investigate the impact of SEUs on the flow of TT traffic using model checking. The proposed analysis framework is carried out on two synthetic test cases in addition to a realistic case study from the space area based on the switched network in Orion Crew Exploration Vehicle (CEV). The main finding of this study is revealing a corner case in which multiple path redundancy fails to resile an SEU.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».