CN104731582A - 一种基于msvl的社交网络系统建模及隐私策略性质验证方法 - Google Patents

一种基于msvl的社交网络系统建模及隐私策略性质验证方法 Download PDF

Info

Publication number
CN104731582A
CN104731582A CN201510079118.2A CN201510079118A CN104731582A CN 104731582 A CN104731582 A CN 104731582A CN 201510079118 A CN201510079118 A CN 201510079118A CN 104731582 A CN104731582 A CN 104731582A
Authority
CN
China
Prior art keywords
user
msvl
social networking
privacy policy
content
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.)
Granted
Application number
CN201510079118.2A
Other languages
English (en)
Other versions
CN104731582B (zh
Inventor
王小兵
孙涛
段振华
赵亮
田聪
张南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201510079118.2A priority Critical patent/CN104731582B/zh
Publication of CN104731582A publication Critical patent/CN104731582A/zh
Application granted granted Critical
Publication of CN104731582B publication Critical patent/CN104731582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,首先采用框架投影时序逻辑程序设计语言MSVL对社交网络系统进行建模,同时采用命题投影时序逻辑PPTL描述其中的隐私策略性质,最后通过MSV解释器加以验证,得出该社交网络的隐私策略性质是否正确。本发明中,系统建模用MSVL程序,隐私策略性质用PPTL描述,MSVL是PTL的可执行子集,PPTL是PTL的命题子集,两者同属PTL框架结构,使得两者可以统一在MSV解释器中执行,相比于其他方法,本发明不需要调用另外的工具,也不需要再定义另外的逻辑语言、简单方便,而且MSV解释器可以给出准确的结果示意图。

Description

一种基于MSVL的社交网络系统建模及隐私策略性质验证方法
技术领域
本发明涉及系统形式化建模与验证技术领域,具体涉及了一种用形式化的方法对社交网络系统进行建模与隐私策略性质的验证。
背景技术
随着Web技术的蓬勃发展和日趋成熟,社交网络的生存环境日益得到改善,用户之间的交互平台也日益广阔。其中关系型社交网络作为社交媒体的主体,发展尤为迅速,像Facebook、Twitter、人人网、新浪微博、朋友网等关系型社交网络充斥着人们的生活,给人们带来极大的方便、人们可以更加方便快捷地获取信息,传递信息,但与此同时,用户的各种信息也在不经意地使用中泄露、甚至一些无良商家通过非法手段获取用户信息,而牟取暴利。
日常生活中,我们每个人都经常会接到陌生人打来的电话,或是推销或是诈骗、那么他们是怎么得知我们的电话号码呢?其中极大一部分是来自各种社交网络系统的隐私泄露,还有社交网络网站中的各种插件、外挂程序等,都有可能在收集着用户的个人信息而作以它用,而这些信息数据的潜在价值驱使着无数黑手伸向无辜的用户。
根据对社交网络进行的大量调查数据分析,可以得出现有的社交网络具有以下特性:
(1)社交网络用户群体数目庞大,用户活跃度高,但职业比较 单一,以学生和职场人士为主;
(2)用户最经常使用沟通和自我表现类功能,自然地就为隐私泄露提供了源头;
(3)用户对第三方支付和C2C使用较多,使得用户隐私的潜在价值很高。
近年,用户隐私在社交网站上泄露的事例层出不穷,造成这些隐私信息泄露的主要原因有三方面:用户自身的疏忽导致隐私泄露、第三方应用造成隐私泄露以及社交网站自身的隐私策略机制导致隐私泄露。对于社交网站自身的隐私策略机制导致的隐私泄露,又有如下几种原因:(1)网站之间共享用户隐私数据;(2)社交网站售卖用户隐私信息;(3)社交网站自身漏洞造成用户隐私泄露。
针对以上这些问题,系统形式化建模与验证技术领域陆续研究出多种解决方案。两位瑞典学者Raul Pardo和Gerardo Schneider发明了一个针对社交网络隐私策略的形式化框架PPF(Privacy Pol icy Framework),该框架可以概括为三个部分:1)a formal model of SN(一个社交网络系统的形式化模型);2)a knowledge-based logic(一种基于知识的逻辑);3)a formal privacy pol icy language(一门形式化隐私策略描述语言)。在社交网络系统的形式化模型中,用Ag来表示agents(个人或者组织)的非空有限集合;用C来表示connect ions(friendship,col league,blocked...)的非空有限集合;用Σ来表示actions(post,look up...)的非空有限集合;用Π来表示Privacy Pol icy的集合,其中每一个agents有多个Privacy Policy。该框架可以根据不同的用户关系、事件和性质定制适合的实例进行分析,不但支持现有系统中常见的一些隐私策略,还可以支持一些包含附加因素和规则的用户自定义隐私策略。
另外,葡萄牙学者Néstor提出了一种确保在线社交网络应用中用户隐私的新方法。他采用了自己命名为Poporo的工具,工作原理见下图,该工具用B语言描述系统的隐私策略性质的集合,并称之为Matelas,然后和JAVA源程序一起放入OCaml工具中转换,最后在Yices中运行,结果返回”sat”,”unsat”or”unknown”(满足、不满足或者不确定),如图1所示。Poporo是一个可以嵌入到现有社交网站,用来检测未知的外部程序是否有漏洞的有效工具。
发明内容
结合现有技术的优点和不足,本发明旨在提供一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,用框架投影时序逻辑语言MSVL对社交网络系统建模、用命题投影时序逻辑语言PPTL描述其隐私策略性质,最终在MSV解释器中进行仿真、建模、验证,确定该社交网络系统的隐私策略性质是否正确。
为了实现上述目的,本发明采用如下技术方案:
一种基于MSVL的社交网络系统建模及隐私策略性质验证方法包括如下步骤:
S1用框架投影时序逻辑程序设计语言(MSVL)对需要进行验证的社交网络系统进行建模,用结构体数据类型来描述系统中的用户、用户发布的内容和用户个人主页,并采用链表结构表示用户的好友列表和用户个人主页里的时间轴;另外,在建模中,用函数表示用户对内容的基本操作、用户之间的基本操作以及用户自身的操作;
S2确定所述需要验证的社交网络系统中的隐私策略性质,并采用命题投影时序逻辑(PPTL)公式描述这些性质;
S3将建模的MSVL程序和描述隐私策略性质的PPTL公式统一在MSV解释器中仿真、模拟和验证,验证所述需要验证的社交网络系统的隐私策略性质是否正确。
需要说明的是,步骤S1中,用结构体数据类型来描述系统中的用户、用户发布的内容和用户个人主页,并采用链表结构表示用户的好友列表和用户个人主页里的时间轴具体如下:
系统中的用户用结构体struct User表示;
系统中用户发布的内容用结构体struct Contnet表示;
系统中用户的个人主页用结构体struct UserPage表示;
系统中用户的好友列表用结构体struct Fri表示;
系统中用户个人主页里的时间轴用结构体struct Timeline表示。
需要说明的是,所述步骤S1中,用户对内容的基本操作主要包括内容的上传发布、删除、查看和分享。
进一步地,需要说明的是,步骤S1中用函数表示用户对内容的基本操作具体如下:
function Upload表示用户上传发布内容的操作;
function Delete表示用户删除已经上传发布的内容的操作;
function View表示用户可以查看某个内容的操作;
function Share表示用户分享某个内容的操作。
需要说明的是,所述步骤S1中,用户之间的基本操作主要包括添加好友和删除好友。
进一步地,需要说明的是,步骤S1中用函数表示用户之间的基本操作具体如下:
function Follow表示两个用户互相添加好友的操作;
function Notfollow表示两个用户互相删除好友的操作。
需要说明的是,所述步骤S1中,所述用户自身的操作主要包括注册、生成内容、创建个人主页和显示个人时间轴。
进一步地,需要说明的是,所述步骤S1中,用函数表示用户自 身的操作具体如下:
function Register表示用户注册的操作;
function Create_Content表示用户生成一个内容的操作;
function Page_field表示用户创建自己的个人主页的操作;
function Show_timel ine表示显示用户的个人时间轴的操作。
需要说明的是,步骤S3的具体方法为:
在同一个MSV解释器中验证社交网络系统是否满足隐私策略性质:记建模的MSVL程序为p,记描述隐私策略性质的PPTL公式为φ,证明公式p→φ的有效性;如果p→φ有效,则该需要验证的社交网络系统满足隐性策略的性质,否则该需要验证的社交网络系统就违背性质。
需要说明的是,步骤S2中,PPTL公式是根据具体要验证的隐私策略性质来确定的,首先根据需要验证的隐私策略性质,采用define定义命题,然后根据命题的逻辑关系,得出相应的PPTL公式。
本发明的有益效果在于:社交网络系统用MSVL程序进行建模,隐私策略性质用PPTL描述,而PPTL为PTL的命题子集,语义与PTL相似,MSVL为PTL的可执行子集,因而MSVL和PPTL可以统一在MSV解释器中执行,相比于其他方法,本发明不需要调用另外的工具,也不需要再定义另外的逻辑语言、简单方便,而且MSV解释器可以给出准确的结果示意图。
附图说明
图1为Poporo工具的实施流程示意图;
图2为本发明实施流程示意图;
图3为MSV解释器执行流程示意图;
图4为MSV解释器执行原理示意图;
图5为实例系统结构示意图;
图6为实例系统中MSVL程序执行流程示意图;
图7为建模Modeling模块示意图;
图8为验证性质验证满足时返回模型示意图;
图9为验证性质验证不满足时返回模型示意图。
具体实施方式
以下将结合附图对本发明作进一步的说明,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明并不限于本实施例。
本发明的原理为,用MSVL程序p来为待验证的社交网络系统建模,并使用PPTL公式φ来描述所需要的性质,为了判断系统是否满足这一性质,需要证明公式p→φ的有效性。如果p→φ有效,则系统满足性质,否则系统就违背性质。也就是说,可以通过判断 的可满足性来判定性质是否满足,如果是不可满足的,那么p→φ就是有效的,即系统就满足了性质,否则系统就没满足性质,并且对每一个都确定了系统违背性质的一条反例路径。
如图2所示,所述基于MSVL的社交网络系统的建模及隐私策略性质验证方法包括如下步骤:
第一步,用MSVL对需要进行验证的社交网络系统进行建模,其中用结构体数据类型来描述系统中的用户、用户发布的内容和用户个人主页,并采用链表结构表示用户的好友列表和用户个人主页里的时间轴;具体为:
系统中的用户用结构体struct User表示;
系统中用户发布的内容用结构体struct Contnet表示;
系统中用户的个人主页用结构体struct UserPage表示;
系统中用户的好友列表用结构体struct Fri表示;
系统中用户个人主页里的时间轴用结构体struct Timeline表示。
而用户对内容的基本操作(上传发布、删除、查看和分享)、用户之间的基本操作(添加好友、删除好友)以及用户自身的操作(注册、生成内容、创建个人主页、显示个人时间轴),则用函数表示,具体为:
function Upload表示用户上传发布一个内容的操作;
function Delete表示用户删除自己已经上传发布的内容的操作;
function View表示用户可以查看某个内容的操作;
function Share表示用户分享某个内容的操作;
function Follow表示两个用户互相添加好友的操作;
function Notfollow表示两个用户互相删除好友的操作;
function Register表示用户注册的操作;
function Create_Content表示用户生成一个内容的操作;
function Page_field表示用户创建自己的个人主页的操作;
function Show_timeline表示显示用户的个人时间轴的操作。
需要说明的是,框架时序逻辑程序设计语言MSVL是PTL的一个可执行子集,对比Tempura,它增加了投影操作符,框架操作符,等待操作符,过去时序操作符和无穷模型,并且包含了非确定的选择语句。从语法上讲,一个MSVL程序可以分为两部分:性质描述部分和系统描述部分。
MSVL程序涉及的主要语句:
(1)空语句:empty;
(2)基本赋值语句:x<==e,
(3)next语句:Ox;
(4)always语句:□x;
(5)投影语句:(s1,...,sm)prjs;
(6)顺序语句:
(7)并行语句:
(8)条件语句:
(9)while语句:
(10)状态框架语句:;
(11)区间框架语句:
(12)Await语句: 其中,x1,...,xh是出现在b中的变量;
MSVL的基本数据结构有:
(1)整形:int
(2)浮点型:float
(3)字符型:char
(4)字符串型:string
(5)基本数据类型指针:int*/char*/float*/string*
(6)结构体:struct
(7)结构体指针:struct*。
第二步,确定所述需要验证的社交网络系统中的隐私策略性质,并采用PPTL公式描述这些性质。PPTL公式是根据具体要验证的隐私策略性质来确定的,首先根据需要验证的性质,定义(define)命题,然后根据命题的逻辑关系,得出相应合理的PPTL公式。
需要说明的是,命题投影时序逻辑PPTL是投影时序逻辑PTL的命题子集,它的语义与PTL相似。PTL是一阶的,不可判定,而PPTL在PTL中加入命题,并且去除了变量、量词和谓词等一阶成分,使得PPTL可判定,并且PPTL可以表达所有的正则表达式,用它作为MSVL程序的性质描述语言,能描述更多的性质,从而确保程序满足系统性质描述和满足性判断的需求,这为研究框架投影时序逻辑程序的模型检测提供了理论基础。
第三步,将建模的MSVL程序和描述隐私策略性质的PPTL公式统一在MSV解释器中仿真、模拟和验证,验证所述需要验证的社交网络 系统的隐私策略性质是否正确。
需要说明的是,用来描述系统模型的MSVL程序和用来描述模型性质的PPTL公式都可以转换成它们的范式形式。这两者的范式在形式上很相似的,都是包含两部分,一部分是在当前状态成立,另一部分是在下一状态成立。这样,由于模型p和性质φ都是PTL公式,所以可以在同一个MSV解释器中执行,并得出结果。
MSV解释器是用来执行MSVL语言,具体执行流程如图3所示,其中可以分为三个模块,分别为:
仿真:模拟执行,找到一个模型
建模:找到所有模型
验证:基于PPTL的性质验证。 
所述MSV解释器的工作原理如图4所示,每一个MSVL程序都可以化简为一个等价的范式形式Present∧Remains。其中Present在当前状态被执行,可包含变量的赋值,输出true,false或empty,若包含empty表明程序在当前状态结束,否则需要继续执行;而Remains是将来需要执行的程序,执行的方法是将Remains改写成O Next,在当前状态执行Remains相当于在下一状态执行Next,执行Next还是将其转化为Present∧Remains的形式,MSVL程序就是这样递归执行的。
现以著名的社交网络系统Facebook作为实施例社交网络系统,以对本发明作进一步的说明。Facebook的核心元素是Timeline(时间轴)和Friendship(朋友关系)。Page_field表示用户的个人主页,其中主要包括了个人信息,好友列表、喜欢的事物和时间轴等内容。
以下通过构建小型系统来仿真、建模并且验证Facebook的隐私策略。
如图5所示,该系统中,有四个用户(初始化三个用户U1、U2和U3,注册一个用户U4,五个内容(初始化四个内容C1、C2、C3和C4,用户生成一个内容C5),四个用户分别有各自的个人主页,包含个人信息和上传发布的内容,其中U1和U2、U3、U4均是朋友关系,U3和U4也是朋友关系,upload表示用户上传发布内容到系统中,view表示拥有好友关系的两个用户可以互相查看上传发布的内容,share表示分享好友上传发布的内容,并可以在自己的个人主页时间轴里显示查看得到。
建模实现的主要代码如下:
函数列表: 
执行建模代码,程序执行流程图如图6所示,建模Model ing结果如图7所示的范式图。
在本实施例中,选取以下典型的隐私策略性质进行描述和验证:
(1)用户上传发布的内容只有他的好友才可以查看(View):
a.U2是否可以查看U1上传发布的内容C1
b.U2是否可以查看U3上传发布的内容C3
其中,View函数实现了遍历U1的好友列表,若U2在其中,follow_flag=1,同时实现了遍历U1的个人主页时间轴,若C1在其中,upload_flag=1,即同时满足U2和U1是好友关系和U1上传发布了内容C1两个条件才可以查看。
PPTL公式验证: 
define p:follow_flag=1;
define q:upload_flag=1;
define s:view_flag=1;
需要验证p∧q→s是否成立,可以转化为
验证性质结果:a满足,所述MSV解释器返回结果如图8所示,b不满足,所述MSV解释器将返回如图9所示的反例图。
(2)用户可以分享(Share)他的好友上传发布的内容:
a.U4是否可以分享U3上传发布的内容C3
b.U2是否可以分享U3上传发布的内容C3
其中,Share函数实现了遍历U3的好友列表,若U4在其中,follow_flag=1,同时实现了遍历U1的个人主页时间轴,若C1在其中,upload_flag=1,即同时满足U4和U3是好友关系和U3上传发布了内容C3两个条件才可以分享。
PPTL公式验证: 
define p:fol low_flag=1;
define q:upload_flag=1;
define s:share_flag=1;
需要验证p∧q→s是否成立,可以转化为
验证性质结果:a满足,所述MSV解释器返回结果如图8所示,b不满足,所述MSV解释器将返回如图9所示的反例图。
其中,图7和图9表示程序在每一个状态点的执行结果,359-369为建模程序执行的状态序列编号。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,作出各种相应的改变和变形,而所有的这些改变和变形都应该包括在本发明权利要求的保护范围之内。

Claims (10)

1.一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,包括如下步骤:
S1用框架投影时序逻辑程序设计语言(MSVL)对需要进行验证的社交网络系统进行建模,其中用结构体数据类型描述系统中的用户、用户发布的内容和用户个人主页,并采用链表结构表示用户的好友列表和用户个人主页里的时间轴;另外,在建模中用函数表示用户对内容的基本操作、用户之间的基本操作以及用户自身的操作;
S2确定所述需要验证的社交网络系统中的隐私策略性质,并采用命题投影时序逻辑(PPTL)公式描述这些性质;
S3将建模的MSVL程序和描述隐私策略性质的PPTL公式统一在MSV解释器中仿真、模拟和验证,验证所述需要验证的社交网络系统的隐私策略性质是否正确。
2.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,步骤S1中,用结构体数据类型来描述系统中的用户、用户发布的内容和用户个人主页,并采用链表结构表示用户的好友列表和用户个人主页里的时间轴,具体如下:
系统中的用户用结构体struct User表示;
系统中用户发布的内容用结构体struct Contnet表示;
系统中用户的个人主页用结构体struct UserPage表示;
系统中用户的好友列表用结构体struct Fri表示;
系统中用户个人主页里的时间轴用结构体struct Timeline表示。
3.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,所述步骤S1中,用户对内容的基本操作主要包括内容的上传发布、删除、查看和分享。
4.根据权利要求3所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,步骤S1中用函数表示用户对内容的基本操作具体如下:
function Upload表示用户上传发布内容的操作;
function Delete表示用户删除已经上传发布的内容的操作;
function View表示用户可以查看某个内容的操作;
function Share表示用户分享某个内容的操作。
5.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,所述步骤S1中,用户之间的基本操作主要包括添加好友和删除好友。
6.根据权利要求5所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,步骤S1中用函数表示用户之间的基本操作具体如下:
function Follow表示两个用户互相添加好友的操作;
function Notfollow表示两个用户互相删除好友的操作。
7.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,所述步骤S1中,所述用户自身的操作主要包括注册、生成内容、创建个人主页和显示个人时间轴。
8.根据权利要求7所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,所述步骤S1中,用函数表示用户自身的操作具体如下:
function Register表示用户注册的操作;
function Create_Content表示用户生成一个内容的操作;
function Page_field表示用户创建自己的个人主页的操作;
function Show_timeline表示显示用户的个人时间轴的操作。
9.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,步骤S3的具体方法为:
在同一个MSV解释器中验证社交网络系统是否满足隐私策略性质:记建模的MSVL程序为p,记描述隐私策略性质的PPTL公式为φ,证明公式p→φ的有效性;如果p→φ有效,则该需要验证的社交网络系统满足隐性策略的性质,否则该需要验证的社交网络系统就违背性质。
10.根据权利要求1所述的一种基于MSVL的社交网络系统建模及隐私策略性质验证方法,其特征在于,步骤S2中,PPTL公式是根据具体要验证的隐私策略性质来确定的,首先根据需要验证的隐私策略性质,采用define定义命题,然后根据命题的逻辑关系,得出相应的PPTL公式。
CN201510079118.2A 2015-02-13 2015-02-13 一种基于msvl的社交网络系统建模及隐私策略性质验证方法 Active CN104731582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510079118.2A CN104731582B (zh) 2015-02-13 2015-02-13 一种基于msvl的社交网络系统建模及隐私策略性质验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510079118.2A CN104731582B (zh) 2015-02-13 2015-02-13 一种基于msvl的社交网络系统建模及隐私策略性质验证方法

Publications (2)

Publication Number Publication Date
CN104731582A true CN104731582A (zh) 2015-06-24
CN104731582B CN104731582B (zh) 2018-01-02

Family

ID=53455500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510079118.2A Active CN104731582B (zh) 2015-02-13 2015-02-13 一种基于msvl的社交网络系统建模及隐私策略性质验证方法

Country Status (1)

Country Link
CN (1) CN104731582B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653935A (zh) * 2016-01-08 2016-06-08 西安电子科技大学 基于pptl3的社交网络系统隐私安全运行时验证方法
CN106294780A (zh) * 2016-08-12 2017-01-04 西安电子科技大学 一种从社交网络抽取msvl模型的方法
CN106339396A (zh) * 2015-07-10 2017-01-18 上海贝尔股份有限公司 用于对用户生成的内容进行隐私风险评估的方法和设备
CN106844790A (zh) * 2017-03-22 2017-06-13 中国人民解放军国防科学技术大学 一种用于社交网络中用户组分析的快速时态查询方法
CN107679400A (zh) * 2017-08-31 2018-02-09 西安电子科技大学 基于源代码插桩的社交网络安全运行时验证方法及系统
CN110427179A (zh) * 2019-06-26 2019-11-08 西安电子科技大学 面向智能合约语言的msvl程序自动生成方法及系统
CN113434132A (zh) * 2021-05-08 2021-09-24 西安电子科技大学 一种智能排课建模验证方法、系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102223420A (zh) * 2011-07-07 2011-10-19 河南科技大学 一种面向多媒体社交网络的数字内容分发方法
US8141125B2 (en) * 2005-11-30 2012-03-20 Oracle International Corporation Orchestration of policy engines and format technologies
CN102646053A (zh) * 2012-02-20 2012-08-22 西安电子科技大学 基于算术表达式的msvl柱面计算方法和系统
CN103218397A (zh) * 2013-03-12 2013-07-24 浙江大学 一种基于无向图修改的社交网络隐私保护方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8141125B2 (en) * 2005-11-30 2012-03-20 Oracle International Corporation Orchestration of policy engines and format technologies
CN102223420A (zh) * 2011-07-07 2011-10-19 河南科技大学 一种面向多媒体社交网络的数字内容分发方法
CN102646053A (zh) * 2012-02-20 2012-08-22 西安电子科技大学 基于算术表达式的msvl柱面计算方法和系统
CN103218397A (zh) * 2013-03-12 2013-07-24 浙江大学 一种基于无向图修改的社交网络隐私保护方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘林源 等: "Web服务组合中的隐私需求规约与验证", 《解放军理工大学学报》 *
王小兵: "面向对象MSVL语言及其在组合Web服务验证中的应用", 《中国博士学位论文全文数据库信息科技辑》 *
陆嘉俊 等: "面向行为的Web服务组合隐私策略描述研究", 《计算机科学与探索》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339396A (zh) * 2015-07-10 2017-01-18 上海贝尔股份有限公司 用于对用户生成的内容进行隐私风险评估的方法和设备
CN106339396B (zh) * 2015-07-10 2019-08-13 上海诺基亚贝尔股份有限公司 用于对用户生成的内容进行隐私风险评估的方法和设备
CN105653935A (zh) * 2016-01-08 2016-06-08 西安电子科技大学 基于pptl3的社交网络系统隐私安全运行时验证方法
CN105653935B (zh) * 2016-01-08 2018-12-18 西安电子科技大学 基于pptl3的社交网络系统隐私安全运行时验证方法
CN106294780A (zh) * 2016-08-12 2017-01-04 西安电子科技大学 一种从社交网络抽取msvl模型的方法
CN106294780B (zh) * 2016-08-12 2019-04-30 西安电子科技大学 一种从社交网络抽取msvl模型的方法
CN106844790A (zh) * 2017-03-22 2017-06-13 中国人民解放军国防科学技术大学 一种用于社交网络中用户组分析的快速时态查询方法
CN106844790B (zh) * 2017-03-22 2020-03-31 中国人民解放军国防科学技术大学 一种用于社交网络中用户组分析的快速时态查询方法
CN107679400A (zh) * 2017-08-31 2018-02-09 西安电子科技大学 基于源代码插桩的社交网络安全运行时验证方法及系统
CN107679400B (zh) * 2017-08-31 2020-09-25 西安电子科技大学 基于源代码插桩的社交网络安全运行时验证方法及系统
CN110427179A (zh) * 2019-06-26 2019-11-08 西安电子科技大学 面向智能合约语言的msvl程序自动生成方法及系统
CN113434132A (zh) * 2021-05-08 2021-09-24 西安电子科技大学 一种智能排课建模验证方法、系统

Also Published As

Publication number Publication date
CN104731582B (zh) 2018-01-02

Similar Documents

Publication Publication Date Title
CN104731582A (zh) 一种基于msvl的社交网络系统建模及隐私策略性质验证方法
Zou et al. Smart contract development: Challenges and opportunities
Bossert et al. Measuring economic insecurity
CN104714941B (zh) 用于使用自然语言处理来增强业务流程执行的方法和系统
Serrano et al. A novel agent-based rumor spreading model in twitter
CN110992169A (zh) 一种风险评估方法、装置、服务器及存储介质
Latif et al. ICT and sustainable development in South Asian countries
Citron et al. Comparing metapopulation dynamics of infectious diseases under different models of human movement
Thayer et al. A theory of robust API knowledge
CN106919555A (zh) 用于日志流内包含的数据的字段提取的系统和方法
Wohlgenannt et al. Crowd-based ontology engineering with the uComp Protégé plugin
Cong et al. Formulating the data-flow modeling and verification for workflow: A Petri net based approach
Smuseva et al. Verifier’s dilemma in ethereum blockchain: A quantitative analysis
Mokhov Intensional cyberforensics
Padberg Abstract interleaving semantics for reconfigurable Petri nets
Ayman et al. Smart contract development in practice: trends, issues, and discussions on stack overflow
Jäger et al. Introducing the factor importance to trust of sources and certainty of data in knowledge processing systems-a new approach for incorporation and processing
Li et al. Towards interpreting smart contract against contract fraud: A practical and automatic realization
Kuang et al. Suggesting method names based on graph neural network with salient information modelling
Lin et al. Smart selection from petri net modeling tools for fast developing a manufacturing system
Touili Computing transitive closures of hedge transformations
Taeb Developing Hands-on Labs for Source Code Vulnerability Detection with AI
Pelupessy et al. HyMUSE: a multi-model framework for Hydrology.
Zhao et al. The semantics and verification of timed service choreography
Salman et al. Position Paper: Leveraging Large Language Models for Cybersecurity Compliance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant