DRLGENCERT: Deep Learning-based Automated Testing of Certificate Verification in SSL/TLS Implementations
安全套接字层(SSL)和传输层安全(TLS)协议是网络安全的基础。SSL/TLS实现中的证书验证至关重要,可能成为整个网络生态系统中的薄弱环节。在以往的工作中,一些研究集中在证书验证的自动化测试,主要的方法是依靠产生大量的证书,通过随机组合部分种子证书的模糊。虽然生成的证书能够满足语义约束,但由于随机性,生成的证书代价很大,性能也受到限制。为了填补这一空白,在本文中,我们提出了DRLGENCERT,这是第一个将深度强化学习应用于SSL/TLS实现中证书验证自动化测试的框架。DRLGENCERT接受普通证书作为输入,并以高效率输出新生成的证书,这些证书可能会触发差异。得益于深度强化学习,在生成证书时,我们的框架可以根据先前修改的结果选择最佳的下一个动作,而不是简单的随机组合。同时,我们开发了一套新的技术来支持整体设计,如新的特征提取方法的X. 509证书,细粒度的差异测试,等等。此外,我们实现了DRLGENCERT的原型,并进行了一系列的现实世界的实验。结果表明DRLGENCERT非常有效,我们从181,900个证书种子中获得了84,661个触发差异的证书,有效性约为46.5%。此外,我们评估了六种流行的SSL/TLS实现,包括GnuTLS,MatrixSSL,MbedTLS,NSS,OpenSSL和OpenSSL。DRLGENCERT成功发现了23个严重的证书验证缺陷,其中大部分是…
2018-08-16 cs.CR
Automated Cryptographic Analysis of the Pedersen Commitment Scheme
为了更好地保证密码系统的安全性,密码结构的形式化验证受到了越来越多的关注。对流行的Pedersen承诺协议进行了一种机械化的形式化验证,证明了其正确性、完全隐藏和计算绑定等安全性质.为了正式验证协议,我们扩展了EasyCrypt理论,EasyCrypt是一个允许在计算模型中进行推理的框架,它支持离散对数和承诺协议的抽象。承诺是许多加密构造的构建块,例如,可验证的秘密共享、零知识证明和电子投票。我们的工作为验证这些更复杂的结构铺平了道路。
2017-05-16 cs.CR
PrivFramework: A System for Configurable and Automated Privacy Policy Compliance
当今大规模的数据汇集,加上最近消费者数据泄露的激增,导致人们越来越关注数据隐私和相关风险。传统的数据隐私保护系统专注于降低保管风险,并且缺乏授权数据所有者的特征。作为最终用户,可用于指定和强制执行自己的数据隐私偏好的选项有限。为了解决这些问题,我们提出PrivFramework,一个用户可配置的框架,自动隐私政策的遵守。PrivFramework允许数据所有者编写强大的隐私策略来保护他们的数据,并自动针对Python编写的分析程序执行这些策略。使用静态分析PrivFramework自动检查授权的分析程序是否符合用户定义的策略。
2020-12-09 cs.CR
Automated Symbolic Verification of Telegram's MTProto 2.0
MTProto 2.0是一套用于即时消息的加密协议,是流行的Telegram信使应用程序的核心。在本文中,我们分析MTProto 2.0使用符号验证ProVerif。我们提供了MTProto 2.0的认证,正常的聊天,端到端的加密聊天,和密钥更新机制的几个安全属性,包括认证,完整性,保密性和完美的前向保密性的健全性的全自动证明;在同一时间,我们发现,密钥更新协议是脆弱的未知密钥共享(UKS)攻击。我们继续在一个增量的方式:每个协议是孤立地检查,只依赖于以前的和基本的密码原语的鲁棒性提供的保证。我们的研究证明了MTProto 2.0 w.r.t.最相关的安全属性,可以作为客户端和服务器端实现和分析的参考。
2021-04-30 cs.CR
Automated Symbolic Analysis of ARBAC-Policies (Extended Version)
管理访问控制策略的最广泛的框架之一是基于管理角色的访问控制(ARBAC)。已经提出了几种自动分析技术,以帮助维护理想的安全属性的ARBAC政策。许多可用技术的一个局限性是用户和角色的集合是有限的。在本文中,我们提出了一个象征性的框架,以克服这一困难。我们设计了一个自动化的安全分析技术,参数的用户和角色的数量,通过适应最近的方法,使用一阶逻辑和国家的最先进的定理证明技术的模型检验无限状态系统。初步实验的原型实现似乎证实了我们的技术的可扩展性。
2010-12-27 cs.CR cs.LO
Formal verification of the YubiKey and YubiHSM APIs in Maude-NPA
在本文中,我们对Yubico开发的两种设备进行了自动化分析:YubiKey,旨在对基于网络的服务进行用户身份验证,YubiHSM,Yubicos硬件安全模块。两者都使用Maude-NPA加密协议分析器进行分析。虽然以前的工作已经完成了应用自动化工具,这些设备,据我们所知,迄今为止还没有完全自动化的分析。这并不奇怪,因为使用加密API的YubiKey和YubiHSM都涉及许多复杂的功能:(i)Lamport时钟形式的离散时间,(ii)用于存储先前看到的密钥或随机数的可变存储器,(iii)需要分析动作序列的基于事件的属性,以及(iv)以异或为模的推理。在这项工作中,我们已经能够证明YubiKey的属性,并以完全自动化的方式找到对YubiHSM的已知攻击,超出了文献中以前工作的能力。
2018-06-19 cs.CR
A Security Policy Model Transformation and Verification Approach for Software Defined Networking
软件定义网络(Software Defined Network,SDN)以其可编程、抽象、集中的智能控制和全局、实时的流量视图,被广泛应用于大规模复杂网络的安全管理。然而,目前基于SDN的安全实施机制要求网络管理员充分了解网络的底层配置。面对日益复杂和庞大的SDN网络,我们迫切需要一种新的安全策略管理机制,能够对任何底层信息完全透明。它允许网络管理员定义不包含任何网络底层信息的上层安全策略,并通过模型转换系统将这些上层安全策略自动转换为相应的包含底层信息的下层安全策略。此外,它还应确保由生成的下级策略更新的系统模型能够保持上级策略中定义的所有安全属性。基于这些见解,我们提出了一种安全策略模型转换和验证方法,在本文中的SDN。我们首先提出了一个安全策略模型(SPM)的正式定义,可用于指定SDN中使用的安全策略。然后,我们提出了一个基于SDN系统模型和映射规则的模型转换系统,它可以使网络管理员自动将SPM模型转换为相应的底层网络配置策略,即,流表模型(FTM)。为了验证由生成的FTM模型更新的SDN系统模型能够保持SPM模型中定义的安全属性,设计了一个基于模型检验的安全策略验证系统。最后,我们利用一个综合的案例来说明所提出的方法的可行性。
2020-05-29 cs.CR cs.SE
Automated Detection of GDPR Disclosure Requirements in Privacy Policies using Deep Active Learning
University of Virginia(弗吉尼亚大学)
自GDPR于2018年5月生效以来,公司一直致力于其数据实践,以遵守该隐私法。特别是,由于隐私政策是用户了解和控制其隐私的重要沟通渠道,因此许多公司在GDPR实施后更新了隐私政策。然而,大多数隐私政策都是冗长的,充满了行话,模糊地描述了公司的数据实践和用户的权利。因此,目前尚不清楚它们是否符合GDPR。在本文中,我们创建了一个包含1,080个网站的隐私政策数据集,这些网站标有18个GDPR要求,并开发了一个基于卷积神经网络(CNN)的模型,该模型可以对隐私政策进行分类,准确率为89.2%。我们应用我们的模型来衡量隐私政策的合规性。我们的研究结果显示,即使在GDPR生效后,97%的网站仍然不符合GDPR的至少一项要求。
2021-11-08 cs.AI cs.CR
Automated fixing of access policy implementation in Industrial Networked Systems
访问控制(AC)是每个信息安全体系结构解决方案的核心。事实上,没有有效的保护方案可以从访问控制策略的精心设计中抽象出来,现代工业网络系统(INS)的基础设施也不例外。本文提出了一个全面的框架,INS访问控制。所提出的方法,使积极和消极的AC政策的描述,通过应用基于角色的访问控制(RBAC)的范例,典型的INS实现,同时考虑到不同层次的抽象。采用适当的技术来检查策略是否在系统中正确实现(验证)。当检测到冲突时,自动计算系统用户的可能的凭证(重新)分配,这可以用于纠正异常(冲突解决)。
2017-10-10 cs.CR
Towards the Automated Verification of Cyber-Physical Security Protocols: Bounding the Number of Timed Intruders
时间入侵者模型被提出来验证网络物理安全协议(CPSP),修改了传统的Dolev-Yao入侵者以遵守环境的物理限制。由于要学习消息,定时入侵者需要等待消息到达,因此发起攻击可能取决于定时入侵者的位置。很可能出现这样的情况,即在存在大量入侵者的情况下,没有攻击,但在存在少量处于适当位置的入侵者的情况下,存在攻击。因此,CPSP自动化验证的一个主要挑战是确定使用多少定时入侵者以及将它们放置在何处。本文通过证明使用与参与者数量相同的定时入侵者数量就足够了来回答这个问题。我们还报告了一些初步的实验结果,发现在CPSP攻击。
2016-05-27 cs.CR cs.LO
Automated SELinux RBAC Policy Verification Using SMT
本文提出将 SELinux RBAC 策略自动转换为 SMT 并借助定理证明检查其与预期规范一致性的工具,以发现常见策略错误配置。
2023-12-04 cs.CR cs.LO
Verifying Security Policies in Multi-agent Workflows with Loops
我们认为基于Web的工作流,如会议提交系统,如EasyChair的信息流安全策略的自动验证。我们的工作流描述语言允许循环,非确定性的选择,和无限数量的参与代理。信息流策略在超属性的时态逻辑中指定。我们证明了验证问题可以归结为一阶线性时间时序逻辑公式的可满足性,并为相关类别的工作流和规范提供可判定性结果。我们报告的一系列基准上实现我们的方法所获得的实验结果。
2017-08-29 cs.CR cs.LO
Towards automated verification of multi-party consensus protocols
Moscow Institute of Physics and Technology(莫斯科物理技术学院);Idea Blockchain Competence Center(Idea区块链能力中心)
区块链技术和相关框架最近受到了广泛关注。区块链系统使用多方共识协议来达成交易协议。Hyperledger Fabric框架基于背书策略协议公开了多方共识,以就交易达成共识。在本文中,我们定义了一个具有概率属性的区块链多方共识验证问题。此外,我们提出了一种使用统计模型检验和假设检验的背书政策的验证技术。我们分析了几个方面的政策,包括分配权重的组织和组织的拒绝概率的能力。我们在实验上演示了我们的验证技术的工作,以及如何可以使用实验结果,使模型满足规格。人们可以使用我们的技术来设计具有Hyperledger Fabric框架的企业应用程序。
2021-12-04 cs.AI cs.CR
Polisis: Automated Analysis and Presentation of Privacy Policies Using Deep Learning
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);University of Michigan(密歇根大学)
隐私政策是公司告知用户其数据汇集和共享做法的主要渠道。这些政策往往很长,难以理解。基于从隐私政策中提取的信息的简短通知已被证明是有用的,但面临着一个重大的可扩展性障碍,考虑到政策的数量及其随时间的演变。公司、用户、研究人员和监管机构仍然缺乏可用和可扩展的工具来应对隐私政策的广度和深度。为了解决这些障碍,我们提出了一个自动化的隐私政策分析框架(Polisis)。它支持对自然语言隐私策略的可扩展、动态和多维查询。Polisis的核心是一个以隐私为中心的语言模型,它由13万个隐私策略和一个新颖的神经网络分类器层次结构构建而成,该层次结构既考虑了隐私实践的高级方面,也考虑了隐私实践的细粒度细节。我们展示了Polisis的模块化和实用性,两个应用程序支持结构化和自由形式的查询。结构化查询应用程序是从隐私策略中自动分配隐私图标。使用Polisis,我们可以在这项任务中实现88.4%的准确率。第二个应用程序PriBot是第一个针对隐私政策的自由形式问答系统。我们表明,PriBot可以为82%的测试问题产生正确的答案。使用MTurk用户研究与700名参与者,我们表明,至少有一个PriBot的前3名答案是相关的用户89%的测试问题。
2018-06-29 cs.CL cs.CR cs.HC
CloudFix: Automated Policy Repair for Cloud Access Control Policies Using Large Language Models
Stevens Institute of Technology(史蒂文斯理工学院)
CloudFix利用大语言模型和形式方法,实现云访问控制策略的自动化修复,提高修复准确性和效率。
2026-01-29 cs.CR cs.DC cs.SE
Automated Formal Verification of a Software Fault Isolation System
本文针对软件故障隔离验证器可能存在健全性缺陷的问题,对轻量级故障隔离(LFI)系统进行了自动化形式化验证,证明其接受的程序不会在指定沙箱区域外读写内存。
2025-08-21 cs.CR cs.PL
Automated Verification of Quantum Protocols using MCMAS
我们提出了一种方法,用于自动验证的量子协议使用MCMAS,一个符号模型检查器的多智能体系统的方法是基于D'Hondt和Panangelo开发的逻辑框架,调查认知和时间属性,建立在模型上的分布式测量为基础的量子计算(DMC),扩展的测量演算分布式量子系统。我们描述的翻译地图从DMC解释系统,多智能体系统中的时间和知识的推理的典型形式主义。然后,我们介绍了dmc2ispl,一个编译器到MCMAS模型检查器的输入语言。我们通过验证量子隐形传态协议来演示该技术,并讨论该工具的性能。
2012-07-04 cs.CR cs.LO cs.MA
Toward the Cure of Privacy Policy Reading Phobia: Automated Generation of Privacy Nutrition Labels From Privacy Policies
提出首个从隐私政策自动生成隐私营养标签的框架,以解决隐私政策阅读恐惧症,在数据收集实践上F1为0.75,安全实践平均F1为0.93,能检测90.1%低报问题。
2023-06-19 cs.CR cs.SE
CloudSec: An Extensible Automated Reasoning Framework for Cloud Security Policies
本文提出可扩展框架 CloudSec,通过高级 API 封装 SMT 推理以分析云安全策略,支持在 Z3 和 CVC5 等求解器间切换,并在 Tapis 平台上验证了其有效性。
2023-07-07 cs.CR cs.DC
DataProVe: A Data Protection Policy and System Architecture Verification Tool
在本文中,我们提出了一个工具,称为DataProVe,指定高层次的数据保护政策和系统架构,以及验证它们之间的一致性,在一个完全自动化的方式。策略和体系结构的语法基于半形式语言,自动验证引擎依赖于基于逻辑和解析的证明。该工具的功能和操作使用不同的例子。
2020-12-17 cs.CR cs.LO cs.SE
CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection
University of Udine(乌迪内大学);University of Trieste(的里雅斯特大学);AAU Klagenfurt(克拉根福应用技术大学);Apart Research(阿帕特研究院)
本文提出CryptoFormalEval基准,通过让大语言模型与定理证明器Tamarin交互,自动发现新密码协议漏洞,并验证了前沿模型在网络安全应用中的潜力。
2024-11-20 cs.AI cs.CR cs.SC
Automated Verification of Correctness for Masked Arithmetic Programs
本文针对特征为2的伽罗瓦域上掩码算术程序与原始密码算法的功能等价性问题,提出基于项重写并辅以随机测试和SMT求解的自动验证方法,实现为工具FISCHER,实验证明其有效、高效且可扩展,并发现EUROCRYPT 2017掩码实现中的新缺陷。
2023-05-26 cs.CR cs.PL cs.SE
Automated Detection and Analysis of Data Practices Using A Real-World Corpus
Penn State University(宾夕法尼亚州立大学);The Future of Privacy Forum(未来隐私论坛);University of Michigan(密歇根大学)
本文提出一种自动化方法,利用 ToS;DR 平台众包注释,在隐私政策中识别和可视化不同细节层次的数据实践,实验证明其能准确匹配政策摘录与数据实践描述,有效简化复杂政策以向用户呈现隐私信息。
2024-02-16 cs.CR cs.LG
{A New Hope}: Contextual Privacy Policies for Mobile Applications and An Approach Toward Automated Generation
针对移动应用隐私政策可读性与参与度不足的问题,提出融合视觉GUI理解与政策分析的多模态框架SeePrivacy,可自动生成上下文隐私政策,检测与提取效果优异,能提升用户对隐私政策的理解与互动。
2024-03-10 cs.CR cs.SE
Is It a Trap? A Large-scale Empirical Study And Comprehensive Assessment of Online Automated Privacy Policy Generators for Mobile Apps
本文首次从多维度评估 10 个移动应用在线隐私政策生成器,并分析 Google Play 的 46,472 份政策,发现约 20.1% 可能由其生成且存在 GDPR、CCPA、LGPD 合规缺陷。
2023-09-23 cs.CR cs.SE
Efficient and Sound Probabilistic Verification for AI Agents
Google DeepMind(谷歌DeepMind);Google(谷歌);University of Pennsylvania(宾夕法尼亚大学);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
提出基于分布鲁棒优化的框架,为AI智能体在复杂数字环境中的概率策略违规提供可靠上界,无需独立性假设,在终端和工具调用智能体基准上优于现有方法。
2026-06-19 cs.AI cs.CR
AutoVerifier: An Agentic Automated Verification Framework Using Large Language Models
Purdue University(普渡大学)
本文提出AutoVerifier框架,利用大语言模型自动化验证技术性声明,通过构建知识图谱实现六层递进验证,展示其在量子计算领域的应用效果。
2026-04-03 cs.AI cs.CR cs.IR
Quality Assessment of Online Automated Privacy Policy Generators: An Empirical Study
在线自动隐私政策生成器(APPG)是应用程序开发人员用来快速创建应用程序隐私政策的工具,这些隐私政策是隐私法规要求纳入每个移动应用程序的。这些工具的创建为应用程序开发人员带来了便利;然而,这些工具的质量使开发人员和利益相关者面临法律风险。在本文中,我们进行了实证研究,以评估在线APP的质量。我们分析隐私政策的完整性,确定完整的隐私政策应涵盖哪些类别和项目,并对样板应用进行APPG评估。评估结果表明,由于缺乏对应用行为的静态或动态分析,开发者可能会遇到两类由APP引起的问题。首先,生成的策略可能是不完整的,因为它们没有涵盖隐私策略所需的所有基本项目。其次,一些生成的隐私政策包含不必要的个人信息收集或与用户输入不一致的任意承诺。最终,APPG的缺陷可能会导致严重的法律问题。我们希望本文中的结果和见解可以激励APPG的健康和道德发展,以产生更完整,准确和强大的隐私政策。
2020-02-13 cs.CR cs.SE
Verifying Security Policies using Host Attributes
在网络安全策略的形式化验证中,验证目标的表达是关键。这些正式的目标,称为安全不变量,应该很容易为最终用户表达。本研究以访问控制和信息流安全策略为重点,发现并证明了关于安全不变量的普遍见解。这样可以安全、方便地自动完成主机属性配置。我们展示了我们的结果在民航场景。所有结果都用Isabelle/HOL定理证明器进行了机器验证。
2016-04-01 cs.CR cs.NI cs.SE
Training Automated Defense Strategies Using Graph-based Cyber Attack Simulations
KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出基于 Meta Attack Language 攻击图模拟网络攻防环境,用强化学习训练防御智能体响应警报并执行防御措施,实验表明其优于启发式策略且可跨攻击者策略泛化,但大图性能下降。
2023-04-17 cs.CR cs.LG cs.NI
Let's Measure the Elephant in the Room: Facilitating Personalized Automated Analysis of Privacy Policies at Scale
University of Oxford(牛津大学)
本文提出神经符号系统PoliAnalyzer,通过NLP提取隐私政策形式化表示并与用户偏好进行逻辑合规分析,在大规模网站隐私政策中实现高准确率的个性化自动分析,显著降低用户认知负担。
2025-07-15 cs.CL cs.CR cs.CY