
Formales Modellierungs- und Analyseframework für versteckte Kommunikationssysteme, das die Spezifikation von verdeckten Kanälen, Angreifermodellen und statistischer Modellprüfung von Undetectability-Performance-Abwägungen ermöglicht.
Maude-HCS ist eine der ersten verallgemeinerten und modularen Toolchains zur formalen Spezifikation und zum Reasoning über Hidden Communication Systems (HCS) in realen Größenordnungen. Es ermöglicht Netzwerkdesignern, alternative HCS-Designs schnell und effektiv zu erkunden, und liefert formale Garantien für Privatsphäre und Leistung, die benötigt werden, um dem Design zu vertrauen.
Verborgene Kommunikationssysteme (HCS) betten verdeckte Nachrichten in gewöhnliche Netzwerkaktivitäten ein, um die Existenz der Kommunikation zu verbergen. In der Praxis wird die Unentdeckbarkeit eines HCS typischerweise anhand von Ad-hoc-Verkehrsstatistiken oder spezifischen Detektoren bewertet, wodurch Sicherheitsaussagen eng an experimentelle Aufbauten und implizite Annahmen über Angreifer gekoppelt sind.
Maude-HCS ist ein ausführbares Modellierungs- und Analyseframework, das eine prinzipienbasierte und ausführbare Grundlage für das Reasoning über Unentdeckbarkeits-Leistungs-Abwägungen in komplexen HCS-Designs bietet. Designer spezifizieren formal das Protokollverhalten, die für den Angreifer beobachtbaren Größen und die Annahmen über die Umgebung und erzeugen Monte-Carlo-Stichproben aus den induzierten Trace-Verteilungen. Diese können verwendet werden, um Aussagen zur Unentdeckbarkeit zu prüfen, indem die Raten echter und falscher Positive eines statistischen Tests geschätzt und diese Schätzungen in untere Schranken für Unentdeckbarkeitsmaße umgewandelt werden. Dies ermöglicht eine systematische Bewertung der Entdeckbarkeit und ihrer Abwägungen mit der Leistung unter explizit angegebenen Modellierungsannahmen.
Bitte kontaktieren Sie uns, wenn Sie Unterstützung bei der Modellierung und dem Reasoning über Ihr HCS benötigen. Und bitte erwägen Sie, unsere Arbeit zu zitieren, wenn Sie sie als Teil Ihrer Forschung verwenden.
@article{khoury2026maude,
title={Maude-HCS: Model Checking the Undetectability-Performance Tradeoffs of Hidden Communication Systems},
author={Khoury, Joud and Kim, Minyoung and Merlin, Christophe and Meseguer, Jos{\'e} and Ratliff, Zachary and Talcott, Carolyn},
journal={arXiv preprint arXiv:2603.03369},
year={2026}
}
Erfordert Python-Version 3.12.4
Erstelle deine bevorzugte Umgebung und aktiviere sie, zum Beispiel
Für pyenv
pyenv install 3.12.4
pyenv local 3.12.4
Für conda
conda create --name pwnd2 python=3.12.4
conda activate pwnd2
Für virtuelle Umgebungen
python -m venv venv
source venv/bin/activate
Wir haben den Quellcode des Repos so strukturiert, dass wir dns-formalization-maude als Abhängigkeit (ein Submodul) importieren. Wir haben einen Fork dieser Abhängigkeit erstellt, damit wir unsere Änderungen daran nachverfolgen können. Wir verwenden sparse-checkout, um zu vermeiden, dass der gesamte Quellcode der Abhängigkeit ausgecheckt werden muss, der viele irrelevante Dateien enthält (wie etwa Testbed).
Um das Haupt-Repo zu klonen
git clone [email protected]:raytheonbbn/maude-hcs.git
Der Hauptzweig enthält den neuesten (möglicherweise instabilen) Quellcode.
Ältere Branches/Tags wie pwnd.cp1 verweisen auf stabile Snapshots, die verwendet wurden, um Ergebnisse während der Evaluierungen zu erzeugen
(z. B. pwnd.cp1 für Challenge Problem 1 und entsprechend pwnd.cp2).
Um einen älteren Snapshot zu verwenden, checke den entsprechenden Branch aus (z. B. pwnd.cp1).
Richte das dns-Submodul mit unserem Klon des Codes ein, damit wir Änderungen am ursprünglichen Quellcode nachverfolgen können; verwende sparse-checkout, um nur die relevanten Quellen zu behalten
cd maude-hcs
mkdir -p maude_hcs/deps
git submodule add -b <branch> -f [email protected]:raytheonbbn/dns-formalization-maude.git \
maude_hcs/deps/dns_formalization
cd maude_hcs/deps/dns_formalization
git sparse-checkout init --cone
git sparse-checkout set "Maude/dns" "Maude/common" "Maude/test" "Maude/attack_exploration"
cd ../../../
git reset .gitmodules
git reset maude_hcs/deps/dns_formalization
Im obigen Befehl setzen Sie <branch> entweder auf pwnd.43.rb1, um die Ergebnisse von Challenge-Problem 1 zu reproduzieren,
oder auf pwnd für die neueste Version.
Das Obige sollte eine neue Datei namens sparse-checkout unter
.git/modules/maude_hcs/deps/dns_formalization/info/
erstellen und ihr mitteilen, nur bestimmte Verzeichnisse wie Maude/src einzubeziehen.
Zu diesem Zeitpunkt sollte git status einen sauberen Start anzeigen.
Zur Installation installieren Sie zunächst die Abhängigkeit als Paket namens dns, das wir als Maude.* importieren,
und installieren dann maude_hcs als Paket (mit Abhängigkeit von dns).
cd maude_hcs/deps/dns_formalization
pip install -e .
cd ../../../
pip install -e .
Benutzermodelle sind Markov-Modelle, die das Verhalten von Benutzern abbilden sollen. Diese werden im JSON-Format bereitgestellt. Der erste Schritt besteht darin, diese in formale Maude-Repräsentationen umzuwandeln.
Geben Sie dazu Folgendes an:
Zum Beispiel:
# convert dns tgen user models
maude-hcs --verbose \
--protocol=dns markov \
--json-dir=../pwnd-cp2/src/static/tgen_models/dns/ \
--maude-dir=./maude_hcs/lib/tgen/maude/dnsprofiles/markov/
# convert mastodon tgen models
maude-hcs --verbose \
--protocol=mastodon markov \
--json-dir=../pwnd-cp2/src/static/tgen_models/mastodon \
--maude-dir="./maude_hcs/lib/raceboat/maude/mastodonprofiles/"
Siehe Beispiel-Markov-JSON-Spezifikationen unter ./maude_hcs/lib/tgen/maude/dnsprofiles/markov/
(und entsprechend für Mastodon), zusammen mit ihren konvertierten Maude-Spezifikationen.
Wir generieren initiale Konfigurationen mit dem Befehl generate.
HCS-Konfigurationen können direkt in JSON über HCS-Konfigurationsparameter übergeben werden,
oder über eine Shadow-Experiment-Konfigurationsdatei, oder über eine YML-Konfigurationsdatei.
Jede dieser Möglichkeiten wird im Folgenden beschrieben.
Übergeben Sie eine maude-hcs-JSON-Konfigurationsdatei wie folgt,
Um eine probabilistische DNS-Modellkonfiguration mit Iodine zu generieren und den Ausgabedateinamen anzugeben,
maude-hcs --verbose generate \
--run-args="./use-cases/challenge-problem-2/cp2_scenarios/cp2_scenario_1-hcsconfig.json" \
--model=prob \
--filename="cp2_scenario_1" \
--output-dir="./use-cases/challenge-problem-2/cp2_scenarios/"
Setzen Sie --model=nondet, um eine nichtdeterministische Version zu generieren.
Dies erzeugt die ausführbare Maude-Datei (und die entsprechende HCS-Konfigurations-JSON) im Ausgabeverzeichnis. Die Eingabe-JSON-Konfigurationsdatei sollte leicht zu befolgen sein. Sie enthält die Spezifikation von
Eine Beschreibung einiger der Parameter finden Sie in HCSParamsGuide. Beachten Sie, dass das probabilistische Modell sowohl die nichtdeterministischen Parameter als auch die probabilistischen Parameter kombiniert (die die nichtdeterministischen überschreiben).