Statistical Model Checking of Common Attack Scenarios on Blockchain
区块链技术在过去十年中有了长足的发展。其中一个原因是其可持续性架构,该架构不允许修改已承诺交易的历史记录。这意味着开发人员应该考虑区块链漏洞,并在系统部署之前消除它们。在本文中,我们展示了一种统计模型检验方法,用于在三种真实攻击场景下验证区块链系统。我们建立和验证模型的DNS攻击,双重支出与内存池洪水,共识延迟的情况下。在此之后,我们分析实验结果,并提出解决方案,以避免这些类型的攻击。
2021-09-07 cs.LO cs.SE
Scenario-Based Compositional Statistical Model Checking for Safety Specifications
University of California, Berkeley(加州大学伯克利分校)
针对安全关键系统中组合场景验证成本高的问题,提出基于场景的组合式统计模型检验框架,通过分解场景与规范、独立验证及重要性采样和核密度估计组合结果,实现高效准确验证并降低模拟成本。
2026-10-06 cs.AI cs.LO cs.RO
Efficient Parallel Statistical Model Checking of Biochemical Networks
我们考虑的问题,验证生化网络的随机模型对时间逻辑术语表示的行为特性。精确的概率验证方法,例如CSL/PCTL模型检验,被巨大的计算需求所破坏,这使得它们被排除在大多数真实案例研究之外。要求较低的方法,如统计模型检验,通过从随机模型中抽样执行来估计满足属性的可能性。我们提出了一种方法,有效地估计的可能性,LTL属性P持有的随机模型的生化网络。与其他统计验证技术一样,我们提出的方法使用随机模拟算法来生成执行样本,但是有三个关键方面可以提高效率:首先,样本生成是由P的动态验证驱动的,这导致了最佳的整体模拟时间。其次,P保持概率的置信区间估计基于威尔逊方法的有效变体,可确保更快的收敛。第三,整个方法的设计,根据一个并行的方式和原型软件工具已经实施,并行执行采样/验证过程中的HPC架构。
2009-12-13 cs.CE cs.DC cs.LO
Faster Statistical Model Checking for Unbounded Temporal Properties
针对马尔可夫链的无界时态性质,如可达性和完全线性时态逻辑,提出了一种新的统计模型检验算法。其主要思想是,我们监视每个模拟运行的飞行,以快速检测,如果一个底部强连接的组件是进入高概率,在这种情况下,模拟运行可以提前终止。因此,我们的模拟运行往往比所需的终止边界,计算先验的期望水平的置信度和状态空间的大小短得多。与以前的统计模型检验算法相比,对于给定的置信度,我们的方法不仅在许多情况下更快,而且需要更少的系统信息,即,只有最小的转移概率发生在马尔可夫链,从而使几乎完整的黑盒验证。此外,我们的方法可以推广到无界的定量属性,如平均回报界。
2016-03-03 cs.LO
Probabilistic Model Checking for Continuous Time Markov Chains via Sequential Bayesian Inference
对于状态空间较大或无界的系统,概率模型检验是形式化建模及其应用中的一个具有挑战性的计算问题。数值算法需要状态空间的显式表示,而统计方法需要大量的样本来估计具有高置信度的所需属性。在这里,我们展示了如何模型检验的时间有界路径属性可以被重铸正是贝叶斯推理问题。在这个新的公式化的问题可以有效地近似使用技术从机器学习。我们的方法的灵感来自最近的结果,在统计物理学推导出封闭形式的微分方程的首次通过时间分布的随机过程。我们展示了一些非平凡的案例研究,我们的方法实现了高精度和显着的计算增益相比,统计模型检验。
2018-06-11 cs.LO
Quantitative Analysis of Probabilistic Models of Software Product Lines with Statistical Model Checking
我们调查的统计模型检验技术分析软件产品线模型的定量属性与概率方面的适用性。为此,我们丰富了面向功能的语言FLan的动作率,它指定的可能性表现出特定的行为或安装功能在特定的时刻或以特定的顺序。丰富的语言(称为PFLan),使我们能够指定模型的软件产品线的概率配置和行为,例如,通过考虑基于离散时间马尔可夫链的PFLan语义。PFLan的Maude实现与分布式统计模型检查器MultiVeStA相结合,对一个简单的产品线案例研究进行定量分析。所提出的分析包括某些感兴趣的行为(例如产品故障)的可能性和产品的预期平均成本。
2015-04-14 cs.LO cs.SE
Model Checking Applied to Quantum Physics
模型检测已经成功地应用于计算机硬件和软件、通信系统甚至生物系统的验证。在本文中,我们进一步推动其应用的边界,并表明它可以适用于量子物理的应用。更明确地说,我们展示了量子统计和多体系统如何可以建模为量子马尔可夫链,以及它们的一些物理学家感兴趣的性质可以在线性时间时间逻辑中指定。然后,我们提出了一个有效的算法来检查这些属性。最后给出了几个实例来说明我们的算法在实际量子物理问题中的应用。
2019-02-08 cs.LO quant-ph
UPPAAL-SMC: Statistical Model Checking for Priced Timed Automata
本文介绍了实时验证工具uppaal的主要扩展uppaalsmc。UPPAALSMC允许在自然随机语义下对定价时间自动机的网络的性能特性进行有效分析。特别是,uppaalsmc依赖于统计模型检验方法的一系列扩展,该方法被推广用于处理实时系统和估计不可判定的问题。UPPAALSMC与友好的用户界面结合在一起,该用户界面允许用户以有效的方式指定复杂的问题,以及以概率分布的形式获得反馈,并比较概率以分析系统的性能方面。调查的重点是该工具的演变-包括建模和规范形式主义以及应用技术-连同该工具的应用案例研究。
2012-07-04 cs.FL cs.LO
Statistical Model Checking for Hyperproperties
超属性已被证明是一个强大的工具,用于表达和推理信息流的安全策略。本文研究了超性质的统计模型检验问题。与详尽的模型检验不同,SMC的工作基于从手头的系统中抽取样本,并使用统计置信度评估规范。与穷举技术相比,应用SMC的主要好处是其效率和可扩展性。为了推理概率超属性,我们首先提出了扩展PCTL* 和HyperPCTL的时态逻辑HyperPCLT*。我们表明,HyperPCLT* 可以表达重要的概率信息流的安全策略,不能用HyperPCTL表示。然后,我们介绍了SMC算法验证HyperPCLT* 公式的离散时间马尔可夫链,序列概率比检验(SPRT)的基础上,一个新的概念,多维无差异区域。我们的SMC算法可以处理任何所需的显着性水平的非嵌套和嵌套的概率算子。为了显示我们的技术的有效性,我们评估我们的SMC算法的四个案例研究集中在信息安全:定时侧通道加密的脆弱性,概率匿名用餐密码,概率不干扰并行程序,和性能的随机缓存替换策略,作为一种对策,对缓存刷新攻击。
2020-08-04 cs.CR cs.FL cs.LO
Multi-Objective Statistical Model Checking using Lightweight Strategy Sampling (extended version)
Universidad Nacional de Córdoba(科尔多瓦国立大学);CONICET(阿根廷国家科学研究委员会);University of Twente(特温特大学);Dresden University of Technology(德累斯顿工业大学);Centre for Tactile Internet with Human-in-the-Loop (CeTI)(带有人类参与触觉互联网中心)
提出首个基于轻量级策略采样的多目标统计模型检验方法,用于逼近帕累托最优前沿,并实现有限预算下的有效近似。
2026-07-02 cs.LO
Sound Statistical Model Checking for Probabilities and Expected Rewards (extended version)
本文综述了统计模型检验工具的可靠性,提出用Dvoretzky-Kiefer-Wolfowitz不等式估计期望奖励,并实现于'modes'工具,实验验证了其有效性。
2025-09-12 cs.LO
Bayesian Statistical Model Checking for Multi-agent Systems using HyperPCTL*
Kansas State University(堪萨斯州立大学)
在本文中,我们提出了一个贝叶斯方法的统计模型检验(SMC)的概率超性质的逻辑HyperPCTL* 上的离散时间马尔可夫链(DTMCs)。虽然SMC的HyperPCTL* 使用序贯概率比检验(SPRT)已经探索过,我们开发了一种替代SMC算法的基础上贝叶斯假设检验。与PCTL* 相比,验证HyperPCTL* 公式是复杂的,因为它们在DTMC的多个路径上同时解释。此外,由于SMC不返回子公式的可满足性问题的精确答案,而是仅返回具有高置信度的正确答案,因此扩展非概率设置的自底向上模型检查算法并不直接。我们提出了一个递归算法的SMC的HyperPCTL* 的基础上修改贝叶斯检验,在递归可满足性结果的不确定性的因素。我们已经实现了我们的算法在Python工具箱,HyProVer,并比较我们的方法与基于SPRT的SMC。我们的实验评估表明,我们的贝叶斯SMC算法在验证时间和推导给定HyperPCTL* 公式的可满足性所需的样本数量方面都表现得更好。
2022-09-06 cs.AI cs.LO cs.MA
Statistical Model Checking of the Island Model: An Established Economic Agent-Based Model of Endogenous Growth
Sant’Anna School of Advanced Studies(圣安娜高等研究学院);University of Geneve(日内瓦大学)
本文利用统计模型检验方法对岛屿模型进行分析,验证了模型的关键特征,并展示了其在内生增长研究中的应用价值。
2026-04-06 cs.LO cs.MA
Statistical Model Checking Beyond Means: Quantiles, CVaR, and the DKW Inequality (extended version)
Technical University of Denmark(丹麦技术大学);University of Twente(特文特大学);Lancaster University Leipzig(兰开斯特大学莱比锡分校);Ruhr University Bochum(波鸿鲁尔大学);Dresden University of Technology(德累斯顿工业大学)
本文利用 DKW 不等式将统计模型检测扩展至均值之外,以计算分位数和风险度量等量,并在 Modest Toolset 中实现验证其通用性。
2025-09-15 cs.DM cs.LO stat.ME
Model Checking CSL for Markov Population Models
Saarland University(萨尔兰大学)
针对无限状态连续时间马尔可夫链的马尔可夫种群模型,提出了一种完整的连续随机逻辑(CSL)模型检验算法,能够有效验证概率可达性、生存性、振荡等生物系统关键性质。
2014-06-09 cs.LO cs.NA math.NA
Modelling of Genetic Regulatory Mechanisms with GReg
大多数可用的工具都提出了模拟框架来研究生物系统的模型,但模拟只探索了系统中一些最可能的行为。相反,技术,如模型检验,来自IT系统分析,探索所有可能的行为的建模系统,从而帮助确定紧急属性。生命科学领域中的大多数模型检验工具的主要缺点是,它们采用为计算机科学家设计的语言作为输入,这不容易被非专家用户理解。在这篇文章中,我们提出了一种基于DSL的方法。它提供了一种可理解的语言来描述系统,同时允许使用复杂而强大的底层模型检验技术。
2011-08-17 cs.CE cs.LO
Central Limit Model Checking
考虑了随机反应网络(SRN)诱导的连续时间马尔可夫链(CTMC)的概率模型检验问题.基于均匀化的CSL模型检验的经典数值算法局限于有限的CTMC,存在状态空间爆炸问题。另一方面,近似技术,如平均场近似和模拟与统计推断相结合,是更可扩展的,但可能是耗时的,不支持CSL的完整表达。在本文中,我们采用了连续空间近似的CTMC在高斯过程的基础上的中心极限近似(CLA),也被称为线性噪声近似(LNA),其解决方案需要解决一些微分方程,是二次的物种数量和独立的人口规模。然后,我们开发高效和可扩展的近似模型检验算法的高斯过程中,我们限制的目标区域的概率可达凸多面体。这使我们能够推导出一个抽象的时间非齐次离散时间马尔可夫链(DTMC),其尺寸是独立的物种的数量,模型检验进行。利用概率论的结果,我们证明了我们的算法在分布上的收敛到原CTMC上的相应措施。我们实现的技术,并在一组例子中,证明它们使我们能够克服状态空间爆炸问题,同时仍然正确地表征系统的随机行为。我们的方法可用于形式化分析广泛的分布式随机系统,包括生化系统,传感器网络和人口协议。
2018-04-23 cs.LO q-bio.QM
Effective Stochastic Automata Model Checking by Interval Abstraction (extended version)
Universidad Nacional de Córdoba(科尔多瓦国立大学);CONICET(国家科学研究委员会);University of Twente(特温特大学)
提出一种结合可细化区间抽象与“大时间步”语义的随机自动机模型检测方法,为最大/最小可达概率提供上下界,实验表明对非平凡示例有效。
2026-07-02 cs.LO
Proceedings First Workshop on Pre- and Post-Deployment Verification Techniques
PrePost(部署前和部署后验证技术)研讨会旨在汇集计算机辅助验证和验证领域的研究人员,讨论部署前和部署后验证技术之间的联系和相互作用。研讨会涵盖的主题的例子是经典的模型检验和测试之间的关系,一方面和运行时验证和统计模型检验另一方面,类型系统之间的关系,可以通过静态或动态检查技术,如运行时监控。
2016-05-25 cs.LO cs.SE
Beyond Decisiveness of Infinite Markov Chains
研究无限状态马尔可夫链验证,证明决断性是统计模型检测几乎必然终止的充要条件,提出结合抽象与重要性采样的方法,用决断性链替代非决断性链以统一数值与统计验证,并在概率下推自动机上完成首次原型实现。
2024-09-27 cs.FL cs.LO