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

1、在開放網(wǎng)絡環(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:一是松散聚合,二是開放動態(tài),三是行為復雜,在這樣環(huán)境下實施軟件監(jiān)管具有前所未有的難度。松散聚合的軟件實體的交互及協(xié)同留下的“蹤跡”類似于帶時序的網(wǎng)狀結構,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、動態(tài)性、偶發(fā)性、關聯(lián)性和重復性等特征。本文以考察軟件行為為切入點,采用“顯性化、結構化環(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)管機制。
　　

2、 在行為蹤跡監(jiān)測時采用動態(tài)AOP技術監(jiān)測與業(yè)務邏輯相關的第三方軟件實體產生的交互事件。在描述和分析軟件行為時,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,用時序序列或Petri網(wǎng)等工具描述交互行為過程及效應,此為粗粒度蹤跡；也可以以事件為切入點,關注事件的詳細信息(如調用方法、參數(shù)值和經驗知識等),用動態(tài)貝葉斯網(wǎng)或多實體貝葉斯網(wǎng)等工具描述交互行為的復雜過程及效應,此為細粒度蹤跡。本文提出的行為蹤跡分析和預測方法可以直

3、觀發(fā)現(xiàn)制約系統(tǒng)高效、可信運行的瓶頸,預測可能出現(xiàn)的欺詐、欺騙等反常行為,使行為分析和預測真正成為指導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:
　　 (1)針對已有的軟件監(jiān)管架構側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)管技術架構。該架構將處理操作層信息、中間層信息與業(yè)務邏輯層信息相結合,實現(xiàn)行為自上而下的分析,準確地識別反常行為,對制約系統(tǒng)高效運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行主動預測；依據(jù)分析和預測的結果,對軟件行為進行自下而上的在線調整,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)絡環(huán)境的行為監(jiān)測機制,該機制全面支持行為監(jiān)測的透明性、動態(tài)性、自主性、可控性和可擴展性。采用動態(tài)AOP監(jiān)測器技術監(jiān)測與業(yè)務邏輯相關的第三方軟件實體產生的交互事件,通過引入新的AOP維度,能使監(jiān)測機制以更為靈活、松散、透明的方式融入目標系統(tǒng),且支持在線擴展監(jiān)測規(guī)模

5、；利用AOP的動態(tài)織入機制,能動態(tài)增加或刪除監(jiān)測器,提高在線監(jiān)測的動態(tài)性。
　　 (3)針對已有行為蹤跡分析方法主要關注無重復子蹤跡、存儲在知識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記、復雜的粗粒度行為蹤跡分析方法。在在線行為分析過程中,自動鑒別和移除重復子蹤跡,快速發(fā)現(xiàn)最小主要蹤跡片段；記錄移除部分的內容及位置；用簡化標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、知識庫中行為模板進行兩兩對比的次數(shù),提高了行為分析效率。該方法可以準確預測行為的下一個可能事件,也可以主動預測后續(xù)可能的行為趨勢。
　　 (4)針對某些事務在交互過程中產生的事件可能標記不完全或不可用的問題,本文提出了一種不完全標記、簡單的粗粒度行為蹤跡分析方法。對于事件間的轉換時間是獨立等同分布的情況,本文將所有可能狀態(tài)(事件)劃分為若干個割集,每個割集形成一個偶圖。在這些偶圖系統(tǒng)中,采用最大權重完全匹配的改進算法進行分散匹配

7、,然后通過拼接匹配結果得到各事務產生蹤跡的最可能序列,便于后續(xù)分析處理。
　　 (5)利用多實體貝葉斯網(wǎng)描述和分析細粒度行為蹤跡,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)測的實證信息與經驗知識進行有效融合,構建適合當前情形的行為蹤跡模型。利用該模型可以準確分析出當前上下文環(huán)境中軟件行為的可信性。多實體貝葉斯網(wǎng)的多粒度知識模板重用、快速