
은닉 통신 시스템을 위한 정형 모델링 및 분석 프레임워크로, 은닉 채널, 공격자 모델의 명세와 탐지 불가능성-성능 간 트레이드오프에 대한 통계적 모델 검증을 가능하게 합니다.
Maude-HCS는 실제 규모에서 은닉 통신 시스템(Hidden Communication Systems, HCS)을 형식적으로 명세하고 추론하기 위한 최초의 일반화되고 모듈화된 툴체인 중 하나입니다. 이는 네트워크 설계자가 대안적인 HCS 설계를 빠르고 효과적으로 탐색할 수 있게 해주며, 설계를 신뢰하는 데 필요한 형식적인 프라이버시-성능 보장을 제공합니다.
은닉 통신 시스템(HCS)은 통신의 존재를 숨기기 위해 일반적인 네트워크 활동 안에 은밀한 메시지를 내장합니다. 실제로 HCS의 탐지 불가능성은 일반적으로 임시방편적인 트래픽 통계나 특정 탐지기를 사용하여 평가되므로, 보안 주장이 실험 설정 및 암묵적인 적대자 가정과 긴밀하게 결합됩니다.
Maude-HCS는 복잡한 HCS 설계에서 탐지 불가능성-성능 간의 트레이드오프를 추론하기 위한 원리적이고 실행 가능한 기반을 제공하는 실행 가능한 모델링 및 분석 프레임워크입니다. 설계자는 프로토콜 동작, 적대자 관측 가능 항목, 환경 가정을 형식적으로 명세하고, 유도된 트레이스 분포로부터 몬테카를로 샘플을 생성합니다. 이를 통해 통계적 검정의 진양성률과 위양성률을 추정하고 이러한 추정치를 탐지 불가능성 측도의 하한으로 변환함으로써 탐지 불가능성 주장을 감사하는 데 사용할 수 있습니다. 이를 통해 명시적으로 진술된 모델링 가정 하에서 탐지 가능성과 성능 간의 트레이드오프를 체계적으로 평가할 수 있습니다.
HCS의 모델링 및 추론에 도움이 필요하시면 저희에게 연락해 주십시오. 그리고 연구의 일부로 사용하신다면 저희 작업을 인용해 주시기 바랍니다.
@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}
}
Python 버전 3.12.4가 필요합니다
선호하는 환경을 생성하고 활성화하세요. 예를 들어
pyenv의 경우
pyenv install 3.12.4
pyenv local 3.12.4
conda의 경우
conda create --name pwnd2 python=3.12.4
conda activate pwnd2
가상 환경의 경우
python -m venv venv
source venv/bin/activate
우리는 dns-formalization-maude를 의존성(서브모듈)으로 가져오도록 저장소 소스 코드를 구성했습니다. 우리는 이 의존성에 대한 변경 사항을 추적할 수 있도록 이 의존성의 포크를 만들었습니다. 우리는 Testbed와 같은 많은 관련 없는 파일을 포함하는 의존성의 모든 소스를 체크아웃할 필요가 없도록 sparse-checkout을 사용합니다.
메인 저장소를 클론하려면
git clone [email protected]:raytheonbbn/maude-hcs.git
메인 브랜치는 최신(불안정할 수 있는) 소스를 포함합니다.
pwnd.cp1과 같은 이전 브랜치/태그는 평가 중 결과를 생성하는 데 사용된 안정적인 스냅샷을 가리킵니다
(예: pwnd.cp1은 챌린지 문제 1에 사용되었으며, 마찬가지로 pwnd.cp2도 사용됨).
이전 스냅샷을 사용하려면 특정 브랜치(예: pwnd.cp1)를 체크아웃하십시오.
원본 소스에 적용된 변경 사항을 추적할 수 있도록 우리가 복제한 코드를 사용하여 dns 서브모듈을 설정하고, sparse-checkout을 사용하여 관련 소스만 유지하십시오
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
위 명령에서 <branch>를 pwnd.43.rb1로 설정하면 챌린지 문제 1의 결과를 재현할 수 있고,
pwnd로 설정하면 최신 버전을 사용할 수 있습니다.
위 명령은
.git/modules/maude_hcs/deps/dns_formalization/info/
아래에 sparse-checkout이라는 새 파일을 생성하고, Maude/src와 같은 특정 디렉터리만 포함하도록 지정합니다.
이 시점에서 git status는 깨끗한 시작 상태를 보여야 합니다.
설치하려면 먼저 dns라는 패키지로 의존성을 설치합니다. 이는 Maude.*로 임포트합니다.
그런 다음 maude_hcs를 패키지로 설치합니다(dns에 대한 의존성 포함).
cd maude_hcs/deps/dns_formalization
pip install -e .
cd ../../../
pip install -e .
사용자 모델은 사용자의 행동 방식을 나타내기 위한 마르코프 모델입니다. 이는 json 형식으로 제공됩니다. 첫 번째 단계는 이를 정식 maude 표현으로 변환하는 것입니다.
이를 위해서는 다음을 지정하십시오.
예를 들어,
# 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/"
./maude_hcs/lib/tgen/maude/dnsprofiles/markov/ 아래의 예시 markov json 명세를 참고하십시오
(mastodon의 경우도 마찬가지입니다). 변환된 maude 명세도 함께 참고하십시오.
generate 명령을 사용하여 초기 구성을 생성합니다.
HCS 구성은 HCS 구성 매개변수를 사용하여 json으로 직접 전달하거나,
Shadow 실험 구성 파일을 사용하거나, YML 구성 파일을 사용하여 전달할 수 있습니다.
각 방법은 다음에서 설명합니다.
다음과 같이 maude-hcs json 구성 파일을 전달하십시오.
iodine을 포함하는 확률적 DNS 모델 구성을 생성하고 출력 파일명을 지정하려면,
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/"
--model=nondet를 설정하면 비결정적 버전을 생성합니다.
이렇게 하면 출력 디렉터리에 실행 가능한 maude 파일(및 해당 HCS 구성 json)이 생성됩니다. 입력 json 구성 파일은 따라 하기 쉬워야 합니다. 여기에는 다음의 명세가 포함됩니다.
일부 매개변수에 대한 설명은 HCSParamsGuide를 참조하세요. 확률적 모델은 비결정적 매개변수와 확률적 매개변수(비결정적 매개변수를 재정의함)를 결합한다는 점에 유의하세요.
YML 구성에는 터널과 기반 네트워크의 전체 구성이 포함됩니다. 이로부터 HCS 구성을 직접 생성할 수 있습니다.
maude-hcs --verbose generate --yml-filename=./use-cases/challenge-problem-2/cp2_setup_example.yml --model=prob --filename=generated_test_yml
CP2에 있는 것과 같은 배치 구성의 경우, 여러 YML 파일을 Maude 시나리오 파일로 변환합니다:
./scripts/generate_cp2_maude.sh [scenario_dir]
여기서 scenario_dir는 선택 사항입니다(기본값은 ../pwnd_cp2).
네트워크 구성은 HCS 구성 json 대신 shadow 파일을 사용하여 지정할 수 있습니다 (shadow 명세에 대한 자세한 내용은 Shadow 시뮬레이터를 참조하세요).
shadow 파일에 정의된 특성을 사용하는 모델을 생성하려면 다음을 지정하세요:
--shadow-filename <path_to_shadow_file.yaml>
shadow yaml 파일은 네트워크, 호스트, 프로세스 구성을 지정합니다.
shadow 네트워크 구성이 ../pwnd-cp1 디렉터리에 있다고 가정하고, 다음을 실행하세요
maude-hcs --verbose --protocol=dns generate --shadow-filename=../pwnd-cp1/shadow_files/examples/cp1_sim_config.yaml --model=prob --filename=generated_test_shadow
독립 실행형 Maude에서 구성을 실행하려면 먼저 시스템에 맞는 독립 실행형 Maude를 설치하세요 (버전 3.5.0 이하를 권장합니다).
단일 구성을 실행하려면 파일 이름과 함께 maude를 호출하세요. 예를 들어 results에서 다음과 같이 실행합니다.
maude ./use-cases/challenge-problem-2/cp2_scenarios/cp2_scenario_1.maude
Maude 프롬프트 안에 다음을 입력하세요
rew initConfig .
This will execute all rewrites until no more rules are found and no progress can be made.
The addition of logging will increase the verbosity of the execution with
set print attribute on .
다음 명령어로 실행을 단계별로 진행할 수도 있습니다 (maude 매뉴얼 참조)
rew[1] initConfig .
cont 1 .
통계적 모델 검사는 QMaude의 scheck 하위 명령을 통해 사용할 수 있습니다:
maude-hcs scheck [-h] [--advise]
[--protocol {dns}] [--file FILE] [--test TEST] [--initial INITIAL] [--query QUERY]
[--assign METHOD] [--alpha ALPHA] [--delta DELTA]
[--seed SEED] [--jobs JOBS] [--format {text,json}]