CN103220179A - 基于统计模型检验的不稳定网络鲁棒性评测方法 - Google Patents
基于统计模型检验的不稳定网络鲁棒性评测方法 Download PDFInfo
- Publication number
- CN103220179A CN103220179A CN2013101486192A CN201310148619A CN103220179A CN 103220179 A CN103220179 A CN 103220179A CN 2013101486192 A CN2013101486192 A CN 2013101486192A CN 201310148619 A CN201310148619 A CN 201310148619A CN 103220179 A CN103220179 A CN 103220179A
- Authority
- CN
- China
- Prior art keywords
- network system
- node
- modeling
- time automaton
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013179 statistical model Methods 0.000 title claims abstract description 18
- 238000012360 testing method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 title abstract description 8
- 238000001514 detection method Methods 0.000 title abstract 5
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000013508 migration Methods 0.000 claims abstract description 13
- 230000005012 migration Effects 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 3
- 230000001960 triggered effect Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000011017 operating method Methods 0.000 abstract 2
- 238000004088 simulation Methods 0.000 abstract 1
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 9
- 238000012795 verification Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种网络系统的鲁棒性的评测系统及其工作方法。评测系统首先构造网络系统协议的时间自动机,描述协议的整体工作流程。然后,在模型中引入加权迁移对该时间自动机进行扩展,构建系统的随机时间自动机,以对环境中的不确定因素建模。基于该随机时间自动机,可以使用统计模型检验技术对系统的性能进行分析与评估,以在协议设计和选择阶段,实现参数配置、性能比较等目标。本方法主要是通过对不稳定网络系统中协议及环境的建模,分析与评估网络系统在特定环境下的性能,以此评测该网络系统的鲁棒性。统计模型检验技术基于仿真及统计的方法避免了对系统状态的穷尽搜索,在时间和空间上的消耗大大降低,能够用于处理大规模系统。
Description
技术领域
本发明涉及网络模型检验和协议验证领域,且特别是有关于网络系统鲁棒性的评测系统及其工作方法。
背景技术
随着网络技术的发展,大规模网络被用于越来越多的领域,如医疗、军事、环境监测和保护等。在大规模网络中的各结点协同工作进行数据的交换和共享。为使网络中的高层应用能够正确、高效、可信地进行,必须保证其底层协议的正确性。在大规模网络,特别是工作在野外、移动环境中的大规模网络中,其工作环境经常面临环境干扰、动态网络等不确定性影响,并且网络一旦部署完成,验证进行维护和更改。因此,在网络系统部署之前对相关协议进行完整的验证与评估,以评测网络在特定环境中的鲁棒性至关重要。
对协议的验证与评估,不仅包括对协议设计逻辑正确性的验证,还包括对协议在特定环境下性能的评估。对协议工作环境的建模主要包括环境中存在的干扰因素对协议工作过程中造成的信息丢失、结点失效等不确定性因素的建模。因此,对协议性能的评估是应用合适的方法对协议和环境综合建模。
传统的模型检验技术通过遍历系统的所有状态空间来验证系统是否满足某一性质,可用于网络协议的正确性验证。但由于该方法需要遍历系统的所有状态空间,会面临臭名昭著的状态空间爆炸问题,导致可验证的系统规模严重受限。此外,传统的模型检验技术只能验证协议在较理想,即不存在信息丢失及结点失效等不确定因素环境下的系统正确性。而一般网络中,系统通过具有较大规模,且工作在动态环境中,即会因环境中干扰因素的存在,面临系统丢失、结点失效等不确定因素。
发明内容
本发明目的在于提供一种基于统计的模型检验技术,考虑到环境中的不确定因素的情况下,对网络鲁棒性进行评测的系统及其工作方法。
为达成上述目的,本发明提出一种基于统计模型检验的不稳定网络鲁棒性评测方法,包括:工作流程建模模块、复杂环境与动态行为建模模块和测评模块,工作流程建模模块对网络系统进行建模,输出网络系统的协议的理想时间自动机,复杂环境与动态行为建模模块输入上述理想时间自动机,并通过带权迁移根据网络系统的不确定性输出所述协议的随机时间自动机,上述测评模块输入理想时间自动机和随机时间自动机,对所述网络系统的鲁棒性进行测评。
为达上述目的,本发明另提出一种网络系统的鲁棒性的评测系统的工作方法,包括下列步骤:
步骤1:工作流程建模,构造网络系统的协议的理想时间自动机,描述协议的整体工作流程;
步骤2:复杂环境与动态行为建模,在上述整体工作流程的模型中引入加权,通过带权迁移对该理想时间自动机进行扩展,构建网络系统的随机时间自动机,实现模型状态间的随机迁移,以对环境中的不确定因素建模;
步骤3:检验网络系统的鲁棒性,分别对上述理想时间自动机和随机时间自动机在不同环境或配置下的性能进行验证,理想时间自动机用经典模型检验技术,而随机时间自动机利用统计模型检验技术进行检验。
进一步,其中,步骤1的具体过程如下:
1)采用自顶向下的分析方法,根据网络系统中各结点所处的工作状态或其在当前工作阶段中扮演的角色,将协议划分为不同的阶段;
2)采用自底向上的途径对协议建模,即分别建立各阶段的时间自动机模型;
3)将各部分的时间自动机拼接,整合成描述协议整个工作流程的时间自动机模板。
进一步,其中,步骤2中所述的环境中的不确定因素包括建模信息丢失或建模结点失效,对上述两种不确定因素构建随机时间自动机的步骤分别如下:
1)建模信息丢失,此时广播信息不再被所有的接收端均成功接收,结点在接收信息时都存在一定的失败概率;即网络系统中广播发送一条信息时,部分结点能够成功接收到该信息,而部分结点接收信息会失败,在时间自动机中引入带权分枝,将结点能成功接收信息的分枝权值标记为SUC,不能成功接收信息的分枝权值标记为FAIL,两条分枝被触发的概率为与边上的权值相关,但在单次迁移中,两条分枝被随机触发,当标记为SUC的边被触发时,信息被成功接收,网络系统根据接收到的信息更新相关的参数,并进入下一状态,而当标记为FAIL的边被触发时,信息接收失败,结点维持原来的状态不变;
2)建模结点失效,可引入新的状态Failed表示结点进入失效状态,将忽略网络系统中接下来的所有信息,为描述结点失效时间的任意性,处于网络系统任意状态的结点均可随机进入失效状态,而处于失效状态的结点也可以在任意时间复活,重新加入到网络系统中,进入工作状态。
本发明的网络鲁棒性的评测系统及其工作方法基于统计模型检验不稳定网络的鲁棒性,利用统计模型检验技术验证存在不确定性因素的大规模网络系统的性能,可用于分析大规模系统,并进行协议参数配置、性能预测及比较等。
附图说明
图1为本发明实施例的一种网络鲁棒性的评测系统的原理框图。
图2为图1中所述的网络鲁棒性的评测系统的工作方法的流程图。
图3为网络系统中存在信息丢失时对网络系统协议的理想时间自动机进行扩展的原理示意图。
图4为网络系统中对网络系统中的结点动态建模时理想时间自动机进行扩展的原理示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
如图1所示,不稳定网络的鲁棒性的评测系统包括:工作流程建模模块、复杂环境与动态行为建模模块和测评模块,工作流程建模模块对网络系统进行建模,输出网络系统的协议的理想时间自动机,复杂环境与动态行为建模模块输入上述理想时间自动机,并通过带权迁移根据网络系统的不确定性输出所述协议的随机时间自动机,上述测评模块输入理想时间自动机和随机时间自动机,对所述网络系统的鲁棒性进行测评。
图2为图1中所述的网络鲁棒性的评测系统的工作方法的流程图。具体如下:
1)工作流程建模
协议建模时,首先根据协议本身的特性,将协议分为不同的阶段或模块。其次,为这些阶段或模块分别建模。然后将建模得到的各部分的时间自动机进行拼接,整合成描述整个协议工作流程的时间自动机模板。
网络协议虽然各有侧重,两两不同,但在众多的协议中存在着一些普遍行为,如信息发送和接收、协议中涉及到的时间约束等,本发明中可以采用统一的途径对普遍行为建模。
2)复杂环境和动态行为建模
为了对网络系统工作环境中的动态因素和不确定行为建模,我们对描述协议整体工作流程的时间自动机进行扩展。
通常,环境中的不确定因素表现为网络系统运行过程中的信息丢失或结点动态建模。用加权分枝表示状态的随机迁移来扩展时间自动机,分别描述网络系统在这两个方面的不确定性。
如图3所示,网络系统中存在信息丢失时,广播信息不再被所有的接收端均成功接收,结点在接收信息时都存在一定的失败概率。即网络系统中广播发送一条信息时,部分结点能够成功接收到该信息,而部分结点接收信息会失败。在时间自动机中引入带权分枝,将结点能成功接收信息的分枝权值标记为SUC,不能成功接收信息的分枝权值标记为FAIL。两条分枝被触发的概率为与边上的权值相关,但在单次迁移中,两条分枝被随机触发。当标记为SUC的边被触发时,信息被成功接收,系统根据接收到的信息更新相关的参数,并进入下一状态。而当标记为FAIL的边被触发时,信息接收失败,结点维持原来的状态不变。
如图4所示,在对网络系统中的结点动态建模时,可引入新的状态Failed表示结点进入失效状态,将忽略网络中接下来的所有信息。为描述结点失效时间的任意性,处于网络系统任意状态的结点均可随机进入失效状态。而处于失效状态的结点也可以在任意时间复活,重新加入到网络系统中,进入工作状态。
3)基于统计模型检验的网络系统的鲁棒性
统计模型检验的基本工作原理是随机产生足够的系统运行路径的样本空间,对每一个独立运行判定其是否满足给定的系统规约,然后用基于统计的方法分析系统是否满足给定规约,并给出满足该规约的置信概率区间。基于统计模型检验技术可用于分析大规模网络在不同环境和参数配置下的性能。环境和参数配置中相关参数是由用户根据实际情况输入的。如估计系统在一定时间内满足给定性质的概率:Pr[time≤bound](<>expr)。通过配置真实环境的具体参数,可以得到待检验系统在给定环境下的性能。
此外,网络系统中存在一些可调参数,这些参数的具体取值对网络系统性能具有很大的影响。通过基于统计的模型检验技术,可以分析、比较同一参数在不同取值时系统满足的相关性能,从而达到参数配置的目的。
综上所述,本发明所采用的基本模型检验的不稳定网络鲁棒性评测技术的具体方法为:构造网络系统协议的时间自动机,描述协议的整体工作流程。然后,在模型中引入加权对该时间自动机进行扩展,构建系统的随机时间自动机,实现模型状态间的随机迁移,以对环境中的不确定因素建模。基于该随机时间自动机,可以使用统计模型检验技术对系统的性能进行分析与评估,以在协议设计和选择阶段,实现参数配置、性能比较等目标。
本方法主要是通过对不稳定网络系统中协议及环境的建模,分析与评估网络系统在特定环境下的性能,以此评测该网络系统的鲁棒性。统计模型检验技术基于仿真及统计的方法避免了对系统状态的穷尽搜索,其在时间和空间上的消耗大大降低,因此能够用于处理大规模系统。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (3)
1.一种基于统计模型检验的不稳定网络鲁棒性评测方法,包括:工作流程建模模块、复杂环境与动态行为建模模块和测评模块;工作流程建模模块对网络系统进行建模,输出网络系统的协议的理想时间自动机;复杂环境与动态行为建模模块输入上述理想时间自动机,通过带权迁移,即给不同的迁移赋予不同的权值,并根据网络系统的不确定性输出所述协议的随机时间自动机;测评模块输入理想时间自动机和随机时间自动机,对所述网络系统的鲁棒性进行测评;
网络系统的鲁棒性的评测系统包括下列步骤:
步骤1:工作流程建模,构造网络系统的协议的理想时间自动机,描述协议的整体工作流程;
步骤2:复杂环境与动态行为建模,在上述整体工作流程的模型中引入带权迁移,对该理想时间自动机进行扩展,构建网络系统的随机时间自动机,实现模型状态间的随机迁移,以对环境中的不确定因素建模;
步骤3:检验网络系统的鲁棒性,分别对上述理想时间自动机和随机时间自动机在不同环境下的性能进行验证,理想时间自动机使用经典模型检验技术检验网络系统的正确性,而随机时间自动机利用统计模型检验技术检验网络系统的性能。
2.根据权利要求1所述的基于统计模型检验的不稳定网络鲁棒性评测方法,其特征在于,其中步骤1的具体过程如下:
1)采用自顶向下的分析方法,根据网络系统中各结点所处的工作状态或其在当前工作阶段中扮演的角色,将协议划分为不同的阶段;
2)采用自底向上的途径对协议建模,即分别建立协议各阶段的时间自动机模型;
3)将各部分的时间自动机拼接,整合成描述协议整个工作流程的时间自动机。
3.根据权利要求1所述的基于统计模型检验的不稳定网络鲁棒性评测方法,其特征在于,其中步骤2中所述的环境中的不确定因素包括建模信息丢失或建模结点失效,对上述两种不确定因素构建随机时间自动机的步骤分别如下:
1)建模信息丢失,此时广播信息不再被所有的接收端均成功接收,结点在接收信息时都存在一定的失败概率;即网络系统中广播发送一条信息时,部分结点能够成功接收到该信息,而部分结点接收信息会失败,在时间自动机中引入带权分枝,将结点能成功接收信息的分枝权值标记为SUC,不能成功接收信息的分枝权值标记为FAIL,两条分枝被触发的概率分别为
SUC/(SUC+FAIL)和FAIL/(SUC+FAIL)
在单次迁移中,两条分枝被随机触发,当标记为SUC的边被触发时,信息被成功接收,网络系统根据接收到的信息更新相关的参数,并进入下一状态,而当标记为FAIL的边被触发时,信息接收失败,结点维持原来的状态不变;
2)建模结点失效,可引入新的状态Failed表示结点进入失效状态,将忽略网络系统中接下来的所有信息,为描述结点失效时间的任意性,处于网络系统任意状态的结点均可随机进入失效状态,而处于失效状态的结点也可以在任意时间复活,重新加入到网络系统中,进入工作状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101486192A CN103220179A (zh) | 2013-04-25 | 2013-04-25 | 基于统计模型检验的不稳定网络鲁棒性评测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101486192A CN103220179A (zh) | 2013-04-25 | 2013-04-25 | 基于统计模型检验的不稳定网络鲁棒性评测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103220179A true CN103220179A (zh) | 2013-07-24 |
Family
ID=48817663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101486192A Pending CN103220179A (zh) | 2013-04-25 | 2013-04-25 | 基于统计模型检验的不稳定网络鲁棒性评测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103220179A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123216B (zh) * | 2014-07-24 | 2017-01-04 | 深圳职业技术学院 | 基于角色加权关联规则的角色与活动的智能工作流的生成方法 |
CN108052768A (zh) * | 2017-12-28 | 2018-05-18 | 吉林大学 | 一种基于定量验证方法的并发实时系统可靠性评估方法 |
CN111211945A (zh) * | 2020-01-09 | 2020-05-29 | 全球能源互联网研究院有限公司 | 计及信息时效的嵌入式装置安全通信协议验证方法和系统 |
CN113452548A (zh) * | 2021-05-08 | 2021-09-28 | 浙江工业大学 | 一种针对网络节点分类和链路预测的指标评测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101631039A (zh) * | 2009-08-13 | 2010-01-20 | 中兴通讯股份有限公司 | 一种网络资源评估系统及方法 |
WO2011101672A1 (en) * | 2010-02-17 | 2011-08-25 | Sidonis Limited | Network analysis |
-
2013
- 2013-04-25 CN CN2013101486192A patent/CN103220179A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101631039A (zh) * | 2009-08-13 | 2010-01-20 | 中兴通讯股份有限公司 | 一种网络资源评估系统及方法 |
WO2011101672A1 (en) * | 2010-02-17 | 2011-08-25 | Sidonis Limited | Network analysis |
Non-Patent Citations (1)
Title |
---|
张凤玲等: "基于随机时间自动机和统计模型检验技术的无线传感网络协议建模与分析", 《中国科学:信息科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123216B (zh) * | 2014-07-24 | 2017-01-04 | 深圳职业技术学院 | 基于角色加权关联规则的角色与活动的智能工作流的生成方法 |
CN108052768A (zh) * | 2017-12-28 | 2018-05-18 | 吉林大学 | 一种基于定量验证方法的并发实时系统可靠性评估方法 |
CN108052768B (zh) * | 2017-12-28 | 2021-06-25 | 吉林大学 | 一种基于定量验证方法的并发实时系统可靠性评估方法 |
CN111211945A (zh) * | 2020-01-09 | 2020-05-29 | 全球能源互联网研究院有限公司 | 计及信息时效的嵌入式装置安全通信协议验证方法和系统 |
CN113452548A (zh) * | 2021-05-08 | 2021-09-28 | 浙江工业大学 | 一种针对网络节点分类和链路预测的指标评测方法及系统 |
CN113452548B (zh) * | 2021-05-08 | 2022-07-19 | 浙江工业大学 | 一种针对网络节点分类和链路预测的指标评测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897724B (zh) | 一种适用于云平台的自动化测试方法及装置 | |
CN109344056B (zh) | 一种测试方法以及测试装置 | |
CN102521543B (zh) | 一种基于动态污点分析进行消息语义解析的方法 | |
CN105426760A (zh) | 一种安卓恶意应用的检测方法及装置 | |
CN108491321A (zh) | 测试用例范围确定方法、装置及存储介质 | |
US20220350857A1 (en) | Methods and systems for browser extension used to generate relative xpath, absolute xpath and/or css selectors | |
CN111931179A (zh) | 基于深度学习的云端恶意程序检测系统及方法 | |
CN110825615A (zh) | 基于网络嵌入的软件缺陷预测方法及系统 | |
CN114091034A (zh) | 一种安全渗透测试方法、装置、电子设备及存储介质 | |
CN114024884A (zh) | 一种测试方法、装置、电子设备及存储介质 | |
CN102624476A (zh) | 一种基于模型检测的无线传感器网络时间同步检验方法 | |
CN103220179A (zh) | 基于统计模型检验的不稳定网络鲁棒性评测方法 | |
CN111949992B (zh) | Web应用程序的自动化安全监测方法及系统 | |
CN114462040A (zh) | 一种恶意软件检测模型训练、恶意软件检测方法及装置 | |
CN112019403B (zh) | 一种物联网消息协议状态机的跨平台自动化挖掘方法与系统 | |
CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
CN112446341A (zh) | 告警事件识别方法、系统、电子设备及存储介质 | |
CN116707859A (zh) | 特征规则提取方法和装置、网络入侵检测方法和装置 | |
CN107579871B (zh) | 基于模型检测的分布式测试脚本的生成方法与生成系统 | |
CN107392029B (zh) | 一种基于化学抽象机的脆弱性模型构建方法 | |
CN113569255A (zh) | 基于后台rpc接口的漏洞检测方法及装置 | |
Ryu et al. | Generation of RFID test datasets using RSN tool | |
CN113342632A (zh) | 仿真数据自动化处理方法、装置、电子设备及存储介质 | |
CN113590217A (zh) | 基于引擎的函数管理方法、装置、电子设备及存储介质 | |
CN113032256A (zh) | 自动化测试方法、装置、计算机系统和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130724 |