该论文关注的是一个长期被忽视但至关重要的问题：密码学协议形式化验证工具（尤其是 Tamarin、ProVerif 及同类协议验证器）在实际使用中的可用性问题。作者指出，尽管这类工具被广泛用于分析复杂安全协议（如 TLS、SSH、信号协议、认证与密钥交换协议等）的安全性质，但关于『真实用户如何使用这些工具、在哪些环节遇到困难』的实证研究仍相当匮乏，工具设计者往往缺乏来自一线的反馈依据。为此，作者开展了一项以人为中心的探索性研究（human-centered exploratory study），通过问卷调查的形式，系统性收集了具备实际使用经验的用户反馈。受访群体包括研究人员、研究生以及工业界从业者，均具有使用 Tamarin、ProVerif 或相关工具的动手经验，覆盖面兼顾学术与工程两侧。研究结果揭示了贯穿整个验证工作流的多个可用性障碍：其一，当验证过程出现不终止（non-termination）或性能瓶颈时，用户难以进行有效的调试与定位，缺乏可操作的诊断信息；其二，缺乏系统化方法将形式化模型与真实世界协议实现进行对照校验，用户很难判断『模型是否忠实反映了真实协议』，这直接影响验证结论的可信度；其三，当证明失败但没有给出具体攻击路径（concrete attack）时，用户普遍采取的经验性应对策略是简化模型、补充辅助引理（helper lemmas）、或反复回溯并调整建模抽象层次，整个过程高度依赖个人经验与试错，缺少方法学支撑。此外，受访者明确提出了对可操作诊断、更清晰的结果解释、可视化能力以及对重复性证明任务自动化的需求。作者的核心论断是：这些持续存在的可用性挑战，根源在于『协议层面的推理方式』与『验证器的形式化模型、证明过程及诊断输出』之间存在语义与认知上的鸿沟。基于上述发现，论文提炼出一组具体的设计优先级，用于提升密码协议验证工具的可访问性、可解释性与易用性。该工作属于典型的可用性/人机交互与形式化方法交叉研究，适合形式化验证工具开发者、协议安全研究者、以及需要将形式化验证引入工程流程的安全团队阅读。

该论文聚焦于一个长期存在的安全工程问题：即时通信协议的「形式化规范保证」与「实际运行实现行为」之间存在落差。Signal 协议为数以十亿计的用户提供加密通信，是 WhatsApp（全球用户量最大的消息应用）与 Signal 官方客户端的底层协议；学界已在计算模型与 Dolev-Yao 符号模型下对该协议给出大量强安全证明，但这些证明只覆盖协议规范本身，无法说明真实客户端在运行时是否严格按模型执行。作者的工作是填补这一差距：采用新近提出的运行时监控器 SpecMon，对实际观测到的执行轨迹进行一致性检查，判断其是否符合形式化协议模型。为此，作者对两个真实应用（WhatsApp Web 与 Signal Desktop）进行插桩，捕获它们与网络层及密码学组件之间的交互事件；在可信事件抽取的前提上，把运行时行为抽象为符号层，再据此构建两个与 Tamarin 兼容的多重集重写（multiset-rewrite）模型以便形式化验证。论文给出了首个 WhatsApp Web 上 Signal 协议实现的模型，以及迄今为止最详细的 Signal 原始协议模型。监控结果显示，在给定的抽取与符号抽象假设下，观测到的执行符合这些模型，并对 Signal 协议的核心组件验证了认证性与机密性属性。值得注意的是，监控还暴露出原始 libsignal 库与 WhatsApp 分支之间此前未被文档记录的行为差异。作者同时评估了方法的可复现性与实用性：完成 WhatsApp Web 建模、应用插桩、加入模糊测试并运行实验共耗时三个人周；实验表明可对真实应用进行高效监控，并能检测人为注入的安全故障，在其实测环境中开销较低。

量子密钥分发（QKD）协议通过量子力学原理提供信息论安全性，但实际部署中QKD本质上是混合协议：其安全结论高度依赖量子阶段与经典后处理阶段的正确集成。虽然ETSI和ITU-T等标准组织已定义了QKD的架构与接口，但现有规范通常在隔离条件下评估协议安全性，导致跨层交互成为未被充分探索的攻击面。本文提出一种基于ETSI和ITU-T QKD规范的形式化验证框架，首次在混合协议模型下对QKD进行自动化协议级安全分析，重点考察经典操作如何影响量子阶段所提供的安全保证。作者使用自动化协议验证工具Tamarin，构建了符合ETSI/ITU-T规范的QKD协议综合符号模型。在该框架下，作者针对名为Eve+的敌手模型，获得了三项规范级漏洞的形式化证据：被颠覆的纠缠注入（subverted entanglement injection）、基延迟测量（basis-deferred measurement）和消息反射（message reflection）。这些漏洞均源于规范程序文本中经典控制平面的某种缺失，且仅在符号抽象下成立，并非对所有实际部署的普遍断言。为缓解这些问题，作者提出两项协议改进：测量承诺（measurement commitment）和身份绑定消息认证码（identity-bound MACs）。Tamarin验证表明，这些对策能够消除Eve+模型下识别出的漏洞。研究结果和建议已发送给相关标准化组织。本文的贡献在于首次以形式化方法系统性地将经典控制面纳入QKD协议安全分析，揭示了标准规范中被忽略的跨层风险，为QKD协议的设计与标准化提供了可验证的改进方向。适合QKD协议设计者、密码学标准化人员以及形式化方法安全研究者阅读。

这篇论文针对两个主流的协议形式化验证工具 Tamarin 和 ProVerif 提出了首个从 Tamarin 到 ProVerif 的忠实的（sound）翻译方法，以支持系统性的对比分析。Tamarin 基于多集重写规则，验证是可靠且完备的；而 ProVerif 基于应用 pi 演算的扩展，验证速度更快但可能不完整。两者的底层形式化体系和验证技术差异很大，导致难以直接比较。作者开发了一种新翻译方法，包含公式重写、多集重写语义的编码以及对同时事件的处理，能够支持 Tamarin 的绝大多数特性，包括多集重写规则、引理和限制。同时，论文精确刻画了无法忠实翻译的情况，并通过形式化证明保证了在忠实翻译片段内的可靠性（soundness）和完整性（completeness）：若 ProVerif 验证成功，则原 Tamarin 模型中也成立；若 Tamarin 中存在某条轨迹，除非涉及攻击者知识，否则该轨迹在 ProVerif 中也被保留。对于非线性（XOR）等最佳努力编码，论文会单独报告，且不在上述保证范围内。实验部分在 121 个 Tamarin 模型上评估了翻译过程，共覆盖 566 个引理任务中的 562 个。在非 XOR 且两个工具都给出确定性结果的任务中，247 个里有 246 个结论一致，剩余的一个明确标注为使用了不完整模型。在 Tamarin 返回布尔结果且 ProVerif 返回逻辑结果的 362 个任务中，ProVerif 在 334 个任务（92.3%）上运行更快，每个任务的中位数运行时间比为 6.74 倍，峰值内存比为 6.24 倍。这项研究为安全协议分析工具的互操作和结果交叉验证奠定了基础，对形式化验证社区具有重要意义。

本文提出了一种基于强化学习（RL）的框架，用于提升 Tamarin 协议分析工具中的证明搜索效率。Tamarin 是广泛用于验证安全协议（如 EMV、5G、WPA2）的自动推理工具，但传统方法需要大量人工专家干预。受 AlphaZero 和 AlphaProof 启发，作者设计了一个无状态的 API，将 Tamarin 转化为经典 RL 环境，并通过蒙特卡洛树搜索（MCTS）结合神经网络启发式学习已完成子证明的模式。在 16 个案例研究（包括经典协议模型及最新发表中的复杂协议模型）上，该方法比 Tamarin 标准搜索自动找到更多证明，且生成的证明比标准启发式甚至人工编写的启发式更短。该框架可直接用于帮助 Tamarin 用户减少人工努力，同时提供标准化的程序化接口。实验结果表明，RL 方法在协议形式化验证领域具有巨大潜力。