首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏认证协议的形式化分析

    形式化分析工具AVISPA

    在阅读论文的过程中发现了一个形式化分析工具(AVISPA) 现把使用过程记录如下:(重点记录遇到的问题) 一、有用的参考资料 1.(3条消息)AVISPA入门级教程_Summer Day-CSDN博客_

    3.2K42发布于 2020-07-15
  • 来自专栏认证协议的形式化分析

    形式化分析工具(六):HLPSL Tutorial

    例如: image.png 2 HLPSL Examples 语法规则:形式化分析工具AVISPA(三)学习User micro-manual of AVISPA 2.1 Example 1 - 2.2.2 讨论与分析结果 角色的参数定义了信息的开头,并作为组成角色的参数传递。例如,会话角色用于描述协议的单个执行。 使用AVISPA工具分析协议的此模型时,以下输出结果(此处显示的输出已格式化为适合页面的格式): image.png 工具输出显示已发现该协议不安全,并且已发现攻击。

    3.7K53发布于 2020-07-23
  • 来自专栏认证协议的形式化分析

    形式化分析工具(七)AVISPA v1.1 User Manual

    规范中的角色有两种:代理扮演的基本角色,以及描述在分析过程中要考虑的场景的组合角色(例如,描述什么是协议的会话或应使用的会话实例)。 定义role就是定义类 session就是实例化的过程 2.1.3 Example NSPK密钥服务器(NSPK-KS) image.png 相关资料查找位置 形式化分析工具SPAN里面后端的相关参考可以在 HLPSL规范问题:给出了日志文件的名称(通常在$ AVISPA_PACKAGE / logs目录中);该文件包含有关位置和错误原因的信息; 分析结果及输出: SUMMARY: “摘要”;它指示该协议是安全的 ,不安全的,或者分析结果是否定论 DETAILS: 第二部分将说明该协议在什么条件下被认为是安全的,或者已使用什么条件来发现攻击,或者最后说明了为什么分析尚无定论。 PROTOCOL:协议名称(已经转换为IF格式) GOAL:分析的目标 BACKEND:后端使用名称 经过一些可能的评论和统计后,攻击的痕迹(如果有)以Alice&Bob表示法打印。

    2.1K11发布于 2020-07-26
  • 来自专栏认证协议的形式化分析

    形式化分析工具AVISPA(二):使用及教程资料

    参考资料:https://blog.csdn.net/pan_tian/article/details/22619687

    2.6K44发布于 2020-07-18
  • 来自专栏认证协议的形式化分析

    形式化分析工具(六):HLPSL Tutorial(Example3)

    ’}_Kab) =|> State’:= 6 /\ request(A,B,alice_bob_k1ab,K1ab’) /\ request(A,B,alice_bob_na,Na) 2.3.1讨论与分析结果 不幸的是,这可能会导致分析速度显着下降。

    1.7K51发布于 2020-07-23
  • 来自专栏认证协议的形式化分析

    形式化分析工具(六):HLPSL Tutorial(Example 4,other)

    exp(g,a) Example 4:Needham-Schroeder公钥协议 A-B表达式: image.png 使用SPAN里的此CL-AtSe终端对协议里的异或分析 默认情况下,CL-AtSe

    1.6K51发布于 2020-07-24
  • 来自专栏CreateAMind

    结合非形式化推理递归构建形式化证明

    使用非形式化 LLM 进行形式化定理证明。若干先前工作尝试利用通用 LLM 的非形式化推理能力来提升形式化推理能力。 ProofCompass(Wischermann 等,2025)通过在输入中添加非形式化证明步骤作为注释来增强证明器 LLM。当证明尝试失败时,它分析这些失败以提取中间引理,从而实现有效的问题分解。 该数据集涵盖代数、分析、数论、几何、线性代数、组合数学、抽象代数、概率论和集合论等本科水平的数学问题。 关于通过率与证明器/验证器调用次数及总 token 使用量的更多分析,请参见附录 A.6。 4.3 消融研究 性能(vs)递归深度。 为评估子目标分解的有效性,我们在 MiniF2F 数据集上分析了使用 Gemini 2.5 Pro + Goedel-Prover-V2-32B 的 HILBERT 在不同递归深度 DD 下的通过率。

    13310编辑于 2026-03-11
  • 来自专栏认证协议的形式化分析

    形式化分析工具(五)使用CAS +语法轻松编写HLPSL规范

    在协议执行的开始,每个主体都需要一些初步的知识来撰写他的消息。知识之后的字段将与每个用户相关联的标识符列表,描述了协议开始之前他所知道的所有数据(names,keys,function等)。我们假设每个用户的名字总是隐含在他的初始知识中。

    2.5K43发布于 2020-07-20
  • 来自专栏认证协议的形式化分析

    形式化分析工具AVISPA(三)学习User micro-manual of AVISPA

    cl-atse:用于分析安全属性的工具 1 Specifying a Protocol 以NSPK协议为例: S为认证服务器,A想要认证B [图1:PKx:x的公钥。 1.4 环境和场景描述 协议被完全指定后,我们仍然需要定义分析该协议的环境(包括入侵者的初始知识),以及要执行的场景,即并行运行的会话实例。因此,作为参数传输到角色的信息是常量(除了通信信道)。

    3.2K53发布于 2020-07-19
  • 来自专栏遊俠扎彪

    形式化与本质性

    2008-09-04 形式化与本质性恐怕是一个很深奥的哲学问题,但是不知道有没有这两个词,兴许我的表述是有问题的,姑且这么说吧。 上编译原理课的时候,突然间发现这么一个事实:把一个形式化事物,尤其是一个抽象的事物形式化是一个很伟大的事情,它能促进思维的进一步发展和深化,怪不得数学是研究形式的,也难怪形式逻辑这么厉害;还有一点,什么事情 (多是推理以外的事情),一旦过于形式化,极其容易僵化,反倒使得当事人摸不着本质了! 多少人致力于将伟大的想法形式化、数学化,为人类的思维、语言、文明作出了巨大贡献;可又多少人热衷于搞形式化,偏离了主题,浪费了资源! 到底是先有形式呢,还是先有本质呢?实质是如何隐蔽在形式之下的? 如何有效的形式化?如何简单的形式化?恐怕这不止是一个数学问题。其中还有很多做事情、想问题的思维习惯和行事风格在里面。训练强悍的建模能力,同时培养直达本质的洞察力和摆脱繁文缛节的作风当是努力的方向。

    56670发布于 2017-12-29
  • 来自专栏认证协议的形式化分析

    形式化分析工具AVISPA(三)2.学习User micro-manual of AVISPA

    工具: 1.hlpsl2if 工具hlpsl2if编译扩展名为.hlpsl的文件中作为参数给定的协议的规范,并列出规范中发现的错误,或者生成一个名称相同但扩展名为 .if 的文件,该文件将在以后分析。 这将允许分别分析每个安全属性。 请注意,此编译器无法找到规范中的所有错误,特别是一些必须使用分析工具检测到的语义错误。 2.cl-atse 工具cl-atse在IF文件给定的协议场景中查找攻击。 --noexec 不运行安全属性分析,但按理解显示执行方案;此选项对于识别语义错误非常有用,例如使用从未 初始化过的变量(由常量伪变量表示…),或使用变量的旧值而不是其新值(符号在HLPSL规范中 被遗忘 --typed | --untyped 允许精确分析是否在类型化模式(默认情况下)下执行;非类型化模式有时有助于根据类型的混淆查 找更多的攻击。

    1.3K33发布于 2020-07-19
  • 来自专栏SmartSi

    Calcite SQL 形式化语言:关系代数

    关系代数是一种过程化查询语言。它包括一个运算的集合,这些运算以一个或两个关系为输入,产生一个新的关系作为结果。关系代数的基本运算有:

    1.1K20发布于 2021-06-21
  • 来自专栏Java架构师必看

    spring源码分析10

    spring源码分析10 强烈推介IDEA2020.2破解激活,IntelliJ

    34730发布于 2021-04-13
  • 来自专栏学习笔记ol

    框架分析10)-SQLAlchemy

    框架分析10)-SQLAlchemy 主要对目前市面上常见的框架进行分析和总结,希望有兴趣的小伙伴们可以看一下,会持续更新的。希望各位可以监督我,我们一起学习进步。 特性分析 ORM支持 SQLAlchemy提供了一种将数据库表映射到Python类的方式,使得开发者可以使用面向对象的方法来操作数据库。通过定义模型类和属性,可以轻松地进行数据库的增删改查操作。

    78220编辑于 2023-10-11
  • 来自专栏数据科学(冷冻工厂)

    ATAC-seq分析:差异分析10

    在这里,我们将采用类似于 Diffbind 中的方法,并在 ATACseq 分析中合理建立。1. 图片library(TxDb.Mmusculus.UCSC.mm10.knownGene)toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集,此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene DB_ATAC <- as.data.frame(anno_KidneyMinusHindbrain)DB_ATAC[1, ]图片由于我们有 TSS +/- 500bp 范围内的区域子集,此时我们可以使用标准富集分析

    1.1K20编辑于 2023-01-27
  • 形式化验证加速RSA性能与部署

    形式化验证使RSA更快——且部署更迅速某中心Graviton2芯片的优化提升效率,形式化验证缩短开发时间。大多数在线安全交易受RSA等公钥加密方案保护,其安全性基于大数分解的难度。 本文阐述某中心自动推理团队如何通过结合形式化验证,在某中心Graviton2芯片上将RSA签名吞吐量提升33%至94%(取决于密钥大小),同时证明优化方案的功能正确性。 优化函数及其证明已纳入某机构Web服务的s2n-bignum形式化验证大数运算库,并被AWS-LC密码库及其绑定项目采用。 步骤二:代码形式化验证s2n-bignum框架集成了x86-64和Arm汇编代码的形式化验证框架。每个汇编函数具有功能正确性规范,包括前置条件、后置条件和状态变更约束。 正在探索形式化验证信息泄漏缺失的方法。

    23610编辑于 2025-09-14
  • 来自专栏数据科学(冷冻工厂)

    ATAC-seq分析:差异分析10

    在这里,我们将采用类似于 Diffbind 中的方法,并在 ATACseq 分析中合理建立。 1. library(TxDb.Mmusculus.UCSC.mm10.knownGene) toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集,此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene as.data.frame(anno_KidneyMinusHindbrain) DB_ATAC[1, ] DB_ATAC 由于我们有 TSS +/- 500bp 范围内的区域子集,此时我们可以使用标准富集分析

    57220编辑于 2023-02-27
  • 来自专栏AI SPPECH

    046_DeFi协议安全审计与漏洞防范:从形式化验证到实战案例分析

    目录 章节 主题 核心内容 第一章 DeFi安全审计概述 审计方法学、流程与标准 第二章 智能合约常见漏洞分析 重入攻击、闪电贷攻击、权限控制问题等 第三章 形式化验证与自动化审计 形式化方法原理与工具应用 OWASP Smart Contract Top 10:智能合约最常见安全风险的分类和防范指南 安全审计方法论: 准备阶段:需求分析、范围确定、团队组建 信息收集:代码获取、架构理解、文档审查 分析阶段 :静态分析、动态分析形式化验证 报告阶段:漏洞分类、风险评级、修复建议 跟进阶段:验证修复、更新报告、持续监控 漏洞严重性评级标准: 级别 描述 影响范围 示例 严重 可能导致重大资金损失或完全系统故障 _grantRole(TREASURY_ROLE, address(timelock)); _mint(msg.sender, 1000000 * 10 形式化验证应用: 对核心功能编写形式化规范 使用Certora Prover等工具验证 生成并分析反例 渗透测试设计: // 渗透测试合约示例 contract PenetrationTest {

    44110编辑于 2025-11-16
  • 来自专栏机器之心

    学界 | 信息论视角下的深度学习简述,形式化的泛化误差分析

    选自arXiv 机器之心编译 参与:刘天赐、路 本论文从信息论的角度简要概述了深度学习,试图解决这两个问题:(1) 深度神经网络为什么比浅层网络的泛化能力好?(2) 是否在所有场景下,更深层的神经网络

    1K30发布于 2018-06-08
  • 来自专栏golang算法架构leetcode技术php

    golang源码分析10)slice

    // maxSliceCap returns the maximum capacity for a slice.

    30820编辑于 2022-08-02
领券