開放網(wǎng)絡(luò)環(huán)境下軟件行為監(jiān)測與分析研究.pdf

1、在開放網(wǎng)絡(luò)環(huán)境下,新型分布式軟件具有不同于傳統(tǒng)分布式軟件的特點(diǎn):一是松散聚合,二是開放動(dòng)態(tài),三是行為復(fù)雜,在這樣環(huán)境下實(shí)施軟件監(jiān)管具有前所未有的難度。松散聚合的軟件實(shí)體的交互及協(xié)同留下的“蹤跡”類似于帶時(shí)序的網(wǎng)狀結(jié)構(gòu),交互過程表現(xiàn)出一種群體行為,這些行為呈現(xiàn)出噴涌性、動(dòng)態(tài)性、偶發(fā)性、關(guān)聯(lián)性和重復(fù)性等特征。本文以考察軟件行為為切入點(diǎn),采用“顯性化、結(jié)構(gòu)化環(huán)境和以變制變”的策略,建立一種以行為信任為核心的新的軟件行為監(jiān)管機(jī)制。
　　

2、 在行為蹤跡監(jiān)測時(shí)采用動(dòng)態(tài)AOP技術(shù)監(jiān)測與業(yè)務(wù)邏輯相關(guān)的第三方軟件實(shí)體產(chǎn)生的交互事件。在描述和分析軟件行為時(shí),以事件為基本單元,將系統(tǒng)可監(jiān)測的狀態(tài)變化映射為有語義含義的事件,用時(shí)序序列或Petri網(wǎng)等工具描述交互行為過程及效應(yīng),此為粗粒度蹤跡；也可以以事件為切入點(diǎn),關(guān)注事件的詳細(xì)信息(如調(diào)用方法、參數(shù)值和經(jīng)驗(yàn)知識(shí)等),用動(dòng)態(tài)貝葉斯網(wǎng)或多實(shí)體貝葉斯網(wǎng)等工具描述交互行為的復(fù)雜過程及效應(yīng),此為細(xì)粒度蹤跡。本文提出的行為蹤跡分析和預(yù)測方法可以直

3、觀發(fā)現(xiàn)制約系統(tǒng)高效、可信運(yùn)行的瓶頸,預(yù)測可能出現(xiàn)的欺詐、欺騙等反常行為,使行為分析和預(yù)測真正成為指導(dǎo)軟件可信性演化和持續(xù)優(yōu)化的“指揮棒”。
　　 本文的主要工作包括如下五點(diǎn):
　　 (1)針對已有的軟件監(jiān)管架構(gòu)側(cè)重于處理操作層信息的問題,本文提出了一種新型分布式軟件系統(tǒng)的監(jiān)管技術(shù)架構(gòu)。該架構(gòu)將處理操作層信息、中間層信息與業(yè)務(wù)邏輯層信息相結(jié)合,實(shí)現(xiàn)行為自上而下的分析,準(zhǔn)確地識(shí)別反常行為,對制約系統(tǒng)高效運(yùn)行的資源瓶頸能夠快速

4、定位；對軟件行為和資源占用情況進(jìn)行主動(dòng)預(yù)測；依據(jù)分析和預(yù)測的結(jié)果,對軟件行為進(jìn)行自下而上的在線調(diào)整,以便有效提高系統(tǒng)的“容變”能力。
　　 (2)本文提出了一套面向開放網(wǎng)絡(luò)環(huán)境的行為監(jiān)測機(jī)制,該機(jī)制全面支持行為監(jiān)測的透明性、動(dòng)態(tài)性、自主性、可控性和可擴(kuò)展性。采用動(dòng)態(tài)AOP監(jiān)測器技術(shù)監(jiān)測與業(yè)務(wù)邏輯相關(guān)的第三方軟件實(shí)體產(chǎn)生的交互事件,通過引入新的AOP維度,能使監(jiān)測機(jī)制以更為靈活、松散、透明的方式融入目標(biāo)系統(tǒng),且支持在線擴(kuò)展監(jiān)測規(guī)模

5、；利用AOP的動(dòng)態(tài)織入機(jī)制,能動(dòng)態(tài)增加或刪除監(jiān)測器,提高在線監(jiān)測的動(dòng)態(tài)性。
　　 (3)針對已有行為蹤跡分析方法主要關(guān)注無重復(fù)子蹤跡、存儲(chǔ)在知識(shí)庫的行為模板不夠簡潔、在線行為蹤跡分析算法效率不高的問題,本文提出了一種有標(biāo)記、復(fù)雜的粗粒度行為蹤跡分析方法。在在線行為分析過程中,自動(dòng)鑒別和移除重復(fù)子蹤跡,快速發(fā)現(xiàn)最小主要蹤跡片段；記錄移除部分的內(nèi)容及位置；用簡化標(biāo)記代替移除部分的模體和循環(huán)子序列,以縮減蹤跡的長度。該方法有效減少了與

6、知識(shí)庫中行為模板進(jìn)行兩兩對比的次數(shù),提高了行為分析效率。該方法可以準(zhǔn)確預(yù)測行為的下一個(gè)可能事件,也可以主動(dòng)預(yù)測后續(xù)可能的行為趨勢。
　　 (4)針對某些事務(wù)在交互過程中產(chǎn)生的事件可能標(biāo)記不完全或不可用的問題,本文提出了一種不完全標(biāo)記、簡單的粗粒度行為蹤跡分析方法。對于事件間的轉(zhuǎn)換時(shí)間是獨(dú)立等同分布的情況,本文將所有可能狀態(tài)(事件)劃分為若干個(gè)割集,每個(gè)割集形成一個(gè)偶圖。在這些偶圖系統(tǒng)中,采用最大權(quán)重完全匹配的改進(jìn)算法進(jìn)行分散匹配

7、,然后通過拼接匹配結(jié)果得到各事務(wù)產(chǎn)生蹤跡的最可能序列,便于后續(xù)分析處理。
　　 (5)利用多實(shí)體貝葉斯網(wǎng)描述和分析細(xì)粒度行為蹤跡,本文提出了一種情形敏感的軟件行為建模方法。該方法可以有效利用多實(shí)體貝葉斯網(wǎng)的FOL語義化表示能力和概率推理能力,在具體的上下文環(huán)境中將監(jiān)測的實(shí)證信息與經(jīng)驗(yàn)知識(shí)進(jìn)行有效融合,構(gòu)建適合當(dāng)前情形的行為蹤跡模型。利用該模型可以準(zhǔn)確分析出當(dāng)前上下文環(huán)境中軟件行為的可信性。多實(shí)體貝葉斯網(wǎng)的多粒度知識(shí)模板重用、快速