HW/SW Formal Co-Verification of Rust-based Designs Using Hardware Abstraction Model
Notice bibliographique
Résumé
In recent years, Rust has emerged as a powerful programming language, offering significant advantages over traditional design languages such as C and $\mathrm{C}++$. Rust’s features, including memory safety, concurrency without data races, and a strong type system, make it uniquely suited for developing reliable and efficient embedded systems. Despite these benefits, formal hardware-software co-verification methods have not kept pace with the advancements in Rust. Current co-verification approaches often struggle with complexity and insufficient integration between hardware and software components, leading to incomplete verification processes and potential undetected bugs. To address these challenges, we propose a novel approach by constructing a Rust-based hardware abstraction model that seamlessly integrates both hardware and software verification. This model leverages Rust’s inherent safety features to facilitate a more robust co-verification process. Additionally, we have developed a comprehensive hardware-software co-verification framework that can be deployed throughout the entire development life cycle, from initial design to final deployment. This framework ensures continuous and thorough verification, significantly reducing the likelihood of undetected bugs. We applied our proposed framework to several industrial and open-source designs, demonstrating its effectiveness in identifying multiple bugs in a significantly reduced time frame. The results highlight the efficiency and reliability of our Rust-based hardware-software co-verification framework, paving the way for more secure and robust system designs in the future.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».