的社交网络系统隐私安全运行时验证方法
【技术领域】
[0001] 本发明属于计算机应用技术领域，尤其涉及一种基于PPTL3的社交网络系统隐私 安全运行时验证方法。
【背景技术】
[0002] 随着计算机技术的发展，计算机软件广泛的应用于各个领域，其中社交网络 (Social Network Service/Site，SNS)已经渗透到人们生活与工作的各个方面。广义而言， SNS是一群有相同兴趣与活动的人创建的在线社区，为他们提供了快速交流、分享各种信息 的途径，给生活与工作带来了极大的方便。典型的SNS国外有Facebook、Twitter、YouTube 等，国内有微信、新浪微博、百度贴吧、QQ空间等。SNS在方便人们生活的同时，也带来了大量 的安全问题。2009年5月，Koobface蠕虫攻击Facebook，窃取用户信息并在其它SNS上传播； 2011年6月，大量新浪微博用户遭受跨站脚本攻击，自动发送微博和私信、并关注用户 hell〇Samy;2014年9月，大批好莱坞女明星照片通过iCloud泄露，其实质原因是SNS带来的 隐私泄密;2015年3月，乌云漏洞平台发布高危漏洞，显示微信红包存在设计缺陷，黑客可以 设计程序自动领取他人发送的红包;2015年9月，微信等近350款苹果APP发现Xcode "恶意后 门"可致用户私密信息泄露。为减少或者防止SNS中的不安全事件，需重点研究如何提高软 件的可靠性和安全性:测试通过设计特定的测试用例来检测程序中存在的问题，但它并不 具备完备性，且测试只能证明程序中存在问题，而不能证明程序中不存在问题;定理证明使 用数学推理的方法证明系统的正确性，但它不能做到完全的自动化;模型检测通过对模型 的状态空间进行穷尽搜索，以确认该系统模型是否具有某些性质，并且在大型的系统中，模 型检测面临着状态空间爆炸的问题。
[0003] 运行时验证(Runtime Verification，RV)是一种轻量级验证技术，它并不需要对 系统进行建模，而是在系统运行的过程中对其进行监控，监控器通常从系统需求中产生，它 根据系统运行所生成的轨迹来判断是否满足给定的性质。相较于上述的验证技术，运行时 验证技术在验证大型的响应系统时有很大的优势。相比与测试，运行时验证并不给出预期 输出结果，而是给出系统满足的性质，然后根据实际执行的结果来验证该性质;对比模型检 测，则能体现出其轻量级的特性，因为不需要对整个系统建模，而是只考虑一次实际执行中 系统所表现出的行为，因此，对于大型的系统，也不会产生状态爆炸问题;对于处理模型检 测的状态爆炸问题，还有另一种技术，on-the-fly验证技术，相对于传统的模型检测，它并 不存储完整的系统模型，而是只存储使得当前的验证程序可以执行下去的信息，其原因在 于实际的验证过程中，能用到的实时信息只是系统的很小的一部分，因此在使用on-the-fly技术时，若是系统不满足待验证的性质，往往能够在只建立了系统的一小部分模型就可 以得出结果，on-the-fly技术的优势在于它大大的缩减了空间的需求，可以更好的处理大 型系统，但是在缩减空间的同时，也会增加时间的需求，因为它虽然存储的不是完整的系统 模型，但是本质还是根据完整的系统来验证性质，所以在验证的过程中可能会有大量的回 溯，而运行时验证则不存在这些问题，因为它只是针对系统实际运行的一条路径来验证性 质。运行时验证起源于2001年，发展至今，其涉及的领域已经十分的广泛，主要的方面有形 式化验证、Web服务、恶意攻击检测、列车运行控制系统等。
[0004] Andreas Bauer等人将运行时验证应用到了线性时序逻辑(LTL)中，其整体框架 为:首先对LTL的语义进行扩充，引入了三值语义逻辑LTL 3,即在true和false之外增加了一 个不确定（inconclusive )，然后用LTL3来描述给定的性质，并将其转化为自动机，最终生成 一个监控器，监控器根据系统当前运行产生的轨迹，验证性质是否满足，并给出相应的结 果。由于描述性质的逻辑公式具有三值语义，所以生成的监控器可以保证验证的公平性和 预测性，其中公平性指监控器的裁决总是正确的，即能根据当前检测到的信息给出一个正 确的裁决，而预测性是指监控器能够发现一条无穷运行轨迹的最小好(坏)前缀，即监控器 能够尽可能早的发现问题。其大致验证过程为:对于给定性质Φ，根据被监控系统当前执行 的有穷轨迹，给出验证结果为true、false或inconclusive:对于一个有穷前缀u，若存在两 个不同的后继ω和ω '使得11?(?/)能够分别推导出(})与1(})，那么认为11| = (})的取值为 inconclusive，另一方面，如果连接任意后继，都满足性质Φ或-1 Φ，那么认为u | = Φ的取 值为 true 或 false。
[0005] AnaTempura是一个基于Tempura的工具，它可以在运行时分析时间关键系统，验证 其是否满足形式化的描述。Shikun Zhou等人提出了基于AnaTempura的运行时验证的方法： 首先将描述性质的Tempura文件加载进AnaTempura工具中，在对目标程序插入断点后进行 编译，在运行的过程中，通过断点获取到状态值，时间戳等感兴趣的信息，在解释执行 Tempura程序的时候，根据获得的信息去验证相应的性质是否满足。
[0000] 另一种基于ITL的运行时验证方法是由Helge Janicke提出来的ITLTracer，它利 用插入断点的方法从目标系统中获取关键信息，然后作为Tempura的输入生成一条轨迹用 以验证性质。变量值只在发生变化时才会被记录，从而大大的减小存储消耗，同时记录的基 本单位是划分而不是状态，也保证了变量的连续性，使得chop操作符有了更大的功效。在获 取轨迹之后，通过使用ITL公式而非Tempura程序来描述期望的性质，并生成相应的监控器 来验证性质是否满足。
[0007] 国防科大的赵常智等人在基于LTL3的运行时验证方面，做了很多的改进和发展， 实现了基于LTL3的构造监控器的工具monitor_tool，并提出了参数化LTL(parameterized LTL，PaLTL)公式运行时监控器构造方法。
[0008] 但是上述基于LTL和ITL的运行时验证方法都在形式化验证方面取得了一些成果， 但还是存在着不足之处:首先LTL的表达能力不够强，它并不具备Omega完全正则表达能力， 如"命题变元P在一个状态序列的所有偶数状态上为真"就无法用LTL表达;而基于ITL的运 行时验证工具均为原型系统，并未得到广泛的应用。
【发明内容】
[0009] 本发明的目的在于提供一种基于PPTL3的社交网络系统隐私安全运行时验证方 法，旨在提出一种基于PPTL3的运行时验证方法，通过表达能力更强的PPTL 3公式来描述系统 应满足的性质，建立相应的监控器，在系统运行的过程中对其实时监控，并能根据当前运行 状况输出对该性质的验证结果。
[0010] 本发明是这样实现的，一种基于PPTL3的社交网络系统隐私安全运行时验证方法， 所述基于PPTL3的社交网络系统隐私安全运行时验证方法对于待验证的性质P，用PPTL3公式 来描述;然后分别将P与非P所对应的逻辑公式转化为范式，并进一步转化为范式图及带标 记的范式图，根据后者可求得相应的Buchi自动机，通过改变接受集来定义一个有穷自动机 并对其确定化;最终对有穷自动机求积以构造监控器;运行时验证在社交网络系统中的应 用，通过PPTL 3公式来描述社交网络应满足的性质，并建立相应的监控器，在系统运行的时 候，进行监控以判断当前的运行是否满足该性质。由于只验证运行过程中的表现出的行为 是否满足给定的性质，大大缩减了在验证过程中对状态空间的需求，同时也提高了验证效 率，只要当前执行过程中的轨迹信息违背了给定的性质，就可以给出验证结果，不需要考虑 系统在后面执行中的状态。
[0011] 进一步，所述基于PPTL3的社交网络系统隐私安全运行时验证方法包括如下步骤：
[0012] 将传统的命题投影时序逻辑扩展为三值语义逻辑PPTL3;
[0013]对于社交网络中所具有的隐私安全相关的性质P，利用PPTL3公式分别描述P与非 P；
[0014] 根据范式和范式图的理论，将逻辑公式分别转化为Buchi自动机；
[0015] 根据Buchi自动机来定义相应的非确定有穷自动机；
[0016] 利用子集法对非确定有穷状态自动机确定化；
[0017] 对性质P和非P所对应的确定有穷自动机求积并化简以获取最终的监控器。
[0018] 进一步，所述将传统命题投影时序逻辑扩展为三值语义逻辑PPTL3的具体流程如 下：
[0019]步骤一，定义三值逻辑的值域如下：
[0020] B= {true,false, inconclusive}；
[0021] 步骤二，在PPTL基础上，扩展语义以建立三值语义逻辑PPTL3;
[00