导读:本文包含了符号模型检测论文开题报告文献综述及选题提纲参考文献，主要关键词:动态符号执行,代码安全缺陷分类,路径搜索,路径约束求解
符号模型检测论文文献综述
陈莉娟,喻金龙[1]（2019）在《基于动态符号执行技术的代码安全检测模型研究》一文中研究指出为了更高效地进行代码安全检测,文章基于动态符号执行技术,针对其存在的执行路径空间爆炸、高效约束求解开销以及程序设计语言兼容性这3个不足进行优化,并在此基础上提出了一种基于优化搜索策略动态符号执行的代码安全检测模型。该模型结合了当前主流的代码安全检测技术,提出了一种新型的安全缺陷分类方法,并优化了路径搜索策略,从而可以更加准确、高效地检测出代码中存在的安全问题。(本文来源于《电力信息与通信技术》期刊2019年01期）
雷丽晖,郭越,张延波[2]（2018）在《可能性测度下的CTL符号化模型检测》一文中研究指出随着系统复杂性的增加,系统中的不确定信息亟待处理,状态爆炸问题也越来越严峻,现有的模型检测技术已不能完全适用于复杂系统的验证。对可能性测度下CTL符号化模型检测进行了研究。首先用多终端二值决策图和布尔公式分别描述系统模型和待验证性质,然后再对系统模型进行归一化和简化,最后利用不动点计算完成系统验证。该研究是对可能性测度下的模型检测技术和符号化模型检测技术的整合,不但能处理系统的不确定信息,而且保持了符号化模型检测对计算时空要求低的优点,对于复杂系统模型检测具有重要意义。(本文来源于《计算机工程与科学》期刊2018年11期）
张延波[3]（2018）在《可能性测度下并发系统的符号化模型检测研究与实现》一文中研究指出模型检测是一种形式化的自动验证技术。1981年,由Clarke,Emerson,Quielle和Sifakis提出。它的基本思想是:通过状态空间的穷举搜索来验证有穷状态系统上性质的正确性。它不仅可以自动执行,而且能在系统不满足性质时提供反例。但近些年随着系统复杂性的增加,系统中不确定信息亟待处理,且状态爆炸问题也越来越严峻,现有的模型检测技术已经不能完全适用于复杂系统的验证。因此,对模型检测技术进行扩展是重要的也是必要的。目前,国内外学者在经典的模型检测和概率模型检测领域对符号化模型检测做出了大量的研究,但对于可能性测度下的模型检测却没有相应的符号化研究。本文对可能性测度下符号化模型检测进行了研究,是对可能性测度下的模型检测技术和符号化模型检测技术的扩展,对于复杂系统的模型检测的实现与推广具有一定的意义。本文研究了可能性测度下并发系统的符号化模型检测,并设计了一个可能性测度下的符号模型检测器。一方面处理了复杂系统验证中的不确定信息,另一方面缓解了复杂系统验证中的状态爆炸问题。本文研究内容主要分为以下几点:(1)提出可能性测度下并发系统的符号化模型。当并发系统的状态较多时,符号化模型可以较好的表示系统状态及状态之间的迁移关系,以减少存储空间和提高验证效率。(2)研究了可能性测度下的符号化模型检测算法。将系统模型和状态利用多终端二叉树进行符号化表达,并且利用不动点技术实现了验证算法。(3)基于NuSMV的基础,研究并设计了一个可能性测度下的符号化模型检测器,给出了可能性测度下的模型检测器的实现方案,探讨了该模型检测器的实现方法。研究意义主要有:补充了可能性测度下并发系统的符号化模型检测理论,给出了可能性测度下的模型检测器的实现方案,为可能性测度下并发系统检测的推广奠定了基础。(本文来源于《陕西师范大学》期刊2018-05-01）
张莉[4]（2017）在《基于离散模型的符号网络及动态网络社区检测》一文中研究指出复杂网络社区检测是复杂性科学研究中受到广泛关注的方向,在信息科学、生物学、数学以及社会学等邻域都有着重大贡献和持续影响.近年来,针对不同类型的复杂网络,人们提出了很多寻找社团结构的算法,也称为社区检测算法.基于复杂网络社区检测在当今社会运用的广泛性,本文以复杂网络中基于相似度的符号网络社区检测以及动态网络社区检测作为主要研究内容,研究如何根据符号网络的特点来定义一个合理的相似度模型,以及如何将动态网络的实时信息进行数量化,建立合理的数学模型.具体如下:(1)基于离散模型的符号网络社区检测.本文首先考虑符号网络中存在正连接和负连接的特点,定义了新的节点相似度计算公式.将其加入到动力学演化模型中,使得符号网络中节点状态按照网络模型演化,理论证明该模型可以达到Lyapunov稳定.通过对真实网络以及人工合成网络进行仿真,并与已有算法对比,在时间和精度上优于已有算法.(2)基于离散模型的动态网络社区检测.本文针对动态网络随时间变化的特性,对不同时间步的网络邻接矩阵进行加权处理,既考虑上一时间步的网络结构,又考虑当前时间步的网络结构,得到新的邻接矩阵.通过时变的邻接矩阵并应用动力学网络模型来实现动态符号网络的社区检测.经实验仿真得出该算法不仅适用于小规模动态网络,还适用于节点数目较多且社区结构不均衡的大规模动态网络.(本文来源于《内蒙古工业大学》期刊2017-06-01）
杨志刚[5]（2017）在《基于μ演算的认知难题符号化模型检测》一文中研究指出动态认知逻辑(DEL)是一种研究智能体认知状态变化的一般逻辑方法,不仅可以用于推理多智能体系统(MAS)中的静态认知性质,还可用于推理包含知识更新的MAS系统中的动态认知性质。动态认知逻辑已在认知难题求解、认知规划、安全通信协议、博弈论等多智能体系统研究领域得到越来越深入的应用。本文面向一类多智能体认知难题,提出并实现一种扩展认知计算的μ演算逻辑及其符号化模型检测算法,实验结果表明我们方法的性能优势显着。本文研究成果概括如下:首先设计一种建模描述语言,用于刻画具有线性认知公告行为的认知难题;提出一种融合状态迁移关系和智能体认知关系的认知公告形式模型;设计并实现了一个模型构造算法,将含有认知公告行为的建模描述语言自动转化为相应的认知公告模型;通过在标准μ演算逻辑上扩展认知算子,提出一种新的认知μ演算逻辑,并在认知公告模型上提出了认知μ演算逻辑语义;设计并实现基于有序二元决策图OBDD的认知μ演算符号化模型检测算法;成功地对泥孩子、和与积这两个MAS的经典认知难题进行建模、求解、以及相关时态认知性质的验证。本文研究成果融合了μ演算、静态认知、认知公告(一种动态认知逻辑)的建模与验证方法。所提出的认知μ演算的时态表达能力不仅强于目前主流的时态认知模型检测工具MCK、MCMAS和MCTK,而且也是动态认知模型检测工具DEMO不具备的。上述两个认知难题的实验表明,本文方法的求解效率指数级优于基于DEMO的方法。(本文来源于《华侨大学》期刊2017-03-13）
卜康康[6]（2015）在《基于动态符号执行的MSVL程序模型检测理论与方法》一文中研究指出软件已经成为国防建设与国计民生的重要组成部分,如何提高软件的正确性、可靠性和安全性是计算机软件领域面临的重要挑战。Clarke等人提出的模型检测方法被认为是迄今为止应对这一挑战的最具潜力的方法之一。模型检测方法已经成功用于对计算机软件系统的验证中,但仍存在一些不足:(1)软件模型难以提取;(2)性质描述语言的表达能力不足,部分程序性质无法描述;(3)模型和性质不在同一体系;(4)状态空间爆炸问题。为了解决模型检测中存在的问题,本文对现有的模型检测方法和动态符号执行方法进行研究,将动态符号执行技术应用于模型检测领域,给出了一种新的模型检测方法。本文的主要贡献包含以下叁点。1.研究了建模、仿真和验证语言(Modeling,Simulation and Verification Language,MSVL)与命题投影时序逻辑(Propositional Projection Temporal Logic,PPTL)的语法结构、基本语义和范式理论,提出了基于动态符号执行的MSVL程序模型检测理论和方法,从四个方面来应对模型检测中存在四个问题。(1)通过MSVL程序的动态符号执行获取程序的符号执行树作为模型,利用程序执行的方式避免了程序模型提取的困难。(2)利用PPTL描述待验证的系统性质,由于PPTL的表达能力等价于完全正则语言,克服了性质描述语言表达能力不足的问题。(3)MSVL和PPTL同属投影时序逻辑(Projection Temporal Logic,PTL)系统,模型和性质在同一体系,不需要进行额外转换,验证效率高。(4)MSVL程序动态符号执行得到的符号执行树是一个抽象模型,该模型的一条路径代表了满足路径约束的所有输入对应的执行路径。这种对模型的抽象方式能够显着地压缩程序模型的状态数,有效地缓解了状态空间爆炸问题。2.基于现有的MSVL解释器,设计了基于动态符号执行的MSVL程序模型检测工具的基本框架,给出了该模型检测工具的叁个主要模块的设计与实现方案,最后利用C++编程实现了该模型检测工具。3.通过“空调控制器”和“自动门控制系统”这两个实例验证了基于动态符号执行的MSVL程序模型检测工具的正确性和可用性。(本文来源于《西安电子科技大学》期刊2015-12-01）
许落汀[7]（2015）在《基于BDDs的离散实时时态逻辑RTCTL*的符号化模型检测及证据生成》一文中研究指出模型检测是公认的一种比较有效的验证系统正确性和可靠性的方法。在一些安全至关重要的领域检测预知系统的响应时间、事件调度的延迟等一系列的参数尤为重要。实际上大部分的实时系统都有自己的有效活动时间,即我们只需要检测其在某段时间内的性能和参数,也就是对离散实时系统的模型检测。因此对离散实时时态逻辑的模型检测便成为课题组要解决的关键问题,Real-Time Temporal Logic RTCTL*从很大程度上扩展了逻辑描述范围,是一种表达力更强的规范描述逻辑,因此对RTCTL*的研究在形式化验证领域中有着重要的影响和意义。论文的主要研究工作概括如下:1.根据离散实时系统的特征与性质提出并构造了弱公平性约束的有限状态迁移系统Just Discrete System(JDS)作为计算模型,并对JDS之间的同步并行计算规则进行了详细的定义;2.在CTL*语法和语义的基础上扩展定义并解释了RTCTL*的语法和语义,并通过一系列的等式转换添加了一些额外的操作到RTCTL*中;3.通过将RTCTL*公式映射为状态公式,把RTCTL*的符号化模型检测问题转化为CTL的模型检测问题,并对不同类型的RTCTL*公式在模型检测过程中需要借助的第叁者(temporal tester)给出构造方法,提出了基于BDDs的离散实时时态逻辑RTCTL*的符号化模型检测算法,并从理论上证明了算法的可靠性和完备性;4.论证了生成反例与产生证据这两个概念的对称性,构造了与上述模型检测算法对应的证据生成算法,并同时证明了算法的正确性。(本文来源于《华侨大学》期刊2015-06-08）
逄涛,段振华[8]（2014）在《WISHBONE片上总线符号模型检测》一文中研究指出随着多核体系结构的出现和普及,片上总线逐渐成为影响片上系统功能和性能的关键部件.因此,片上总线的验证成为片上系统设计中一个重要组成部分.模型检测作为一种主流的形式化验证方法,可以自动化穷举搜索系统行为以决定片上系统的设计是否满足设计规范.然而,模型检测受制于状态空间爆炸问题,且现有规范语言如计算树逻辑和线性时序逻辑等的描述能力有限.提出了一种基于命题投影时序逻辑的WISHBONE片上总线符号模型检测方法.该方法将以Verilog硬件描述语言实现的WISHBONE总线转化为以NuSMV模型检测工具的建模语言SMV描述的系统模型,使用命题投影时序逻辑描述WISHBONE总线期望的性质,通过PLSMC工具验证系统模型是否满足期望的性质.实验结果表明该方法能够有效验证WISHBONE片上总线的定性性质,以及时间敏感和迭代性等定量性质.(本文来源于《计算机研究与发展》期刊2014年12期）
刘晓芳[9]（2014）在《PPTL符号模型检测方法及工具研究》一文中研究指出作为一种自动化的程序验证方法,近几十年来模型检测技术在软硬件程序、通信协议以及安全协议等领域的正确性分析和验证中得到了广泛的应用。在模型检测中,使用一个有限的系统状态迁移结构模型来描述待验证的系统,并借助某种时序逻辑公式来描述待验证系统的期望性质,然后在这个基础上通过模型检验算法自动化地判断待验证的系统是否满足其期望的性质。经过成熟研究的经典时序逻辑,如线性时序逻辑(LTL)、分支时序逻辑(CTL)等,很难甚至无法描述并行系统的区间相关性质和循环性质。命题投影时序逻辑(PPTL)通过引入chop和projection等时序操作符,可以较方便地描述上述性质,且被证明具有描述完备正则性质的优越表达能力。然而,随着软件行业的不断发展,程序规模不断增大以及复杂程度的不断提高,模型检测技术面临着严重的状态空间爆炸问题。符号模型检测(SMC)是一种基于ROBDD(冗余有序二叉决策图)的针对状态空间爆炸问题而产生的有用的机制。在SMC技术中,使用布尔公式对待验证的系统状态集合以及状态之间的迁移关系进行符号化的编码,而布尔公式本身则使用ROBDD来实现,从而使用ROBDD隐式的实现状态空间及状态空间上的操作,缩减了状态空间的存储。因此,符号模型检测可以处理相对更大规模、更加复杂的系统,在一定程度上有效的缓和了当前面临的状态空间爆炸问题。NuSMV是一个在学术界和工业界应用广泛且日益成熟的限界和符号模型检测工具,使用Nu SMV特定的输入语言描述系统模型,LTL或者CTL来表征期望性质,实现了LTL和CTL的符号和限界模型检测。本文提出了一种基于Nu SMV的PPTL符号模型检测方法。在此方法中,系统设计模型是一个Kripke结构模型M,而系统的期望性质由PPTL公式?来描述。首先将公式的非??转换为对应的LNFG,在此基础上继续进行转换得到??对应的Büchi自动机模型。然后将系统模型M的初始状态集合I沿Büchi自动机向后扩展,若无限经常次的扩展至Büchi自动机的某个可接收节点时,保持可接受节点对应系统状态集不为空,则说明系统模型M中至少存在一条路径满足??,即M|??,此时可给出相应的反例,帮助系统分析与设计人员修正和定位设计中存在的错误;否则得出M|??的结论,即期望的性质有效。此方法基于Nu SMV中使用的Kripke结构模型,并且借助于PPTL来描述待验证系统的期望性质,增强了模型检测的性质刻画能力。另外,采用系统初始状态集合沿着Büchi自动机模型向后递归扩展的方法,在遇到反例的时候可以立即终止Büchi自动机的状态搜索过程,系统模型扩展至空集时也可以立即停止搜索,实现递归过程的剪枝。(本文来源于《西安电子科技大学》期刊2014-12-01）
逄涛[10]（2014）在《命题投影时序逻辑符号模型检测及其应用研究》一文中研究指出模型检测是一种验证软硬件系统、多智能体系统、通信协议和嵌入式系统等的重要形式化方法。它将待验证系统建模为有限状态机,如Kripke结构、状态-迁移系统或自动机等,将系统期望的性质描述为时序逻辑公式；然后,自动化穷举搜索系统行为以确定待验证系统是否满足期望的性质。然而,现有模型检测方法大多基于显式状态空间描述和操作,即便使用动态状态空间构建和偏序规约等优化技术,可验证系统的规模仍然十分有限。在实际设计中系统模型的大小往往随着并发组件的数目呈现指数级增长,这一问题构成了将模型检测技术应用于实际设计的主要瓶颈。此外,模型检测的形式化规范语言(如计算树逻辑和线性时序逻辑等)的表达能力不足,描述顺序、并发和循环等性质较为困难,或者根本无法描述这些性质。因此,本文研究了命题投影时序逻辑的符号模型检测技术及其应用。命题投影时序逻辑(Propositional Projection Temporal Logic, PPTL)是对命题区间时序逻辑(Propositional Interval Temporal Logic, PITL)的扩展。它引入了新的时序操作符且被证明具有完全正则表达能力,能够方便的描述顺序、并行、选择、时间敏感和周期性等多种并发的系统性质。符号模型检测是一种应对显式状态模型检测中容易出现的状态空间爆炸问题的有效方法。它将待验证系统模型和系统期望的性质描述为布尔方程,然后通过基于规约有序二叉决策图的搜索算法查找系统模型中满足期望性质的状态集合。基于PPTL和符号模型检测方法的优点,提出了一个使用符号模型检测方法验证PPTL规范的统一框架。在该框架中,将待验证系统建模为Kripke结构M= (S,I,R,L),其中S表示有限状态集合,I表示初始状态集合,R(?)S×S表示集合S上的状态迁移关系,标记函数L用每个状态下成立的原子命题标记该状态；将系统期望的性质描述为PPTL公式φ。然后,将期望性质的否定形式,φ转化为它对应的范式。由于范式是构建标记范式图(Labeled Normal Form Graph, LNFG)的基础,且LNFG包含了目标公式所有可能的模型。因此,可以求得状态集合Sat((?)φ),使得对于该集合中的任意状态s,s包含于S且公式(?)φ在模型M中任何以s开头的路径上成立。通过这种方式可以将检查系统模型M是否满足期望性质φ的问题等价为检查初始状态集合I中满足(?)φ的子集Sat((?)φ)∩I是否为空的问题。事实上,通过进一步分析发现PPTL符号模型检测方法的时间杂度为O((log|V(φ)|)×|V(φ)|×(|R|+|S|)),其中|V(φ)|为公式φ的LNFG中顶点的数目,而|R|+|S|表示模型M的大小。此外,通过验证实例说明了PPTL的符号模型检测方法的可行性。基于给出的PPTL符号模型检测方法,本文研究了实时与嵌入式计算系统的形式化验证方法。以单调速率调度算法和延迟单调速率调度算法为例,验证了上述算法对任务集可调度性的充要条件。将任务集在单调速率调度算法和延迟单调速率调度算法调度下的行为建模为Kripke结构,将调度算法的可调度性描述为PPTL公式,然后调用PPTL符号模型检测方法对任务集在单调速率和延迟单调速率调度算法下的可调度性分别进行描述和验证。近几年来,基于线性时序逻辑和分支时序逻辑的符号模型检测方法是当前形式化验证领域最为活跃的研究课题之一,并实现了相应的符号模型检测工具,如SMV、NuSMV和NuSMV2等。但是,上述工具均受制于形式化规范语言的表达能力,无法完整描述顺序、并行、选择、时间敏感和周期性等性质。此外,上述符号模型检测工具均不支持以PPTL公式描述的规范。因此,本文在NuSMV工具中实现了PPTL的符号模型检测方法以支持对PPTL公式的验证。基于上述PPTL符号模型检测工具,本文研究了Verilog硬件描述语言程序的形式化操作语义和模型检测方法,并以Gigamax缓存一致性协议、交替位协议和PCI总线协议的验证为例解释PPTL符号模型检测工具是如何工作的。(本文来源于《西安电子科技大学》期刊2014-09-01）
符号模型检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着系统复杂性的增加,系统中的不确定信息亟待处理,状态爆炸问题也越来越严峻,现有的模型检测技术已不能完全适用于复杂系统的验证。对可能性测度下CTL符号化模型检测进行了研究。首先用多终端二值决策图和布尔公式分别描述系统模型和待验证性质,然后再对系统模型进行归一化和简化,最后利用不动点计算完成系统验证。该研究是对可能性测度下的模型检测技术和符号化模型检测技术的整合,不但能处理系统的不确定信息,而且保持了符号化模型检测对计算时空要求低的优点,对于复杂系统模型检测具有重要意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
符号模型检测论文参考文献
[1].陈莉娟,喻金龙.基于动态符号执行技术的代码安全检测模型研究[J].电力信息与通信技术.2019
[2].雷丽晖,郭越,张延波.可能性测度下的CTL符号化模型检测[J].计算机工程与科学.2018
[3].张延波.可能性测度下并发系统的符号化模型检测研究与实现[D].陕西师范大学.2018
[4].张莉.基于离散模型的符号网络及动态网络社区检测[D].内蒙古工业大学.2017
[5].杨志刚.基于μ演算的认知难题符号化模型检测[D].华侨大学.2017
[6].卜康康.基于动态符号执行的MSVL程序模型检测理论与方法[D].西安电子科技大学.2015
[7].许落汀.基于BDDs的离散实时时态逻辑RTCTL*的符号化模型检测及证据生成[D].华侨大学.2015
[8].逄涛,段振华.WISHBONE片上总线符号模型检测[J].计算机研究与发展.2014
[9].刘晓芳.PPTL符号模型检测方法及工具研究[D].西安电子科技大学.2014
[10].逄涛.命题投影时序逻辑符号模型检测及其应用研究[D].西安电子科技大学.2014