计算机工程

作者：杨锦翔, 熊焰, 黄文超

单位：1. 中国科学技术大学 网络空间安全学院, 合肥 230022;2. 中国科学技术大学 计算机科学与技术学院, 合肥 230022

关键词：强化学习,安全协议,形式化方法,自动验证,泛化性

基金：国家重点研发计划（2018YFB2100300，2018YFB0803400）；国家自然科学基金（61972369，61572453，61520106007，61572454）；中央高校基本科研业务费专项资金（WK2150110009）。

使用形式化方法能够找到安全协议设计中存在的漏洞，但高效地对安全协议进行自动的形式化分析仍然是一个挑战。针对现有形式化自动验证工具无泛化性和效率低的不足，对基于强化学习的安全协议形式化验证框架smartVerif进行优化。使用无人工特征、完全进行自我学习的蒙特卡洛树搜索与深度神经网络相结合的强化学习框架，同时设计能够保留形式化数据结构信息的数据转换方法。实验结果表明，利用该优化方案训练的强化学习模型具有泛化性且能高效地验证安全协议。

来源：2021年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第12期