计算机应用研究

作者：夏桐,袁凌云,车兴亮,陈美宏,

单位：云南师范大学a.信息学院;b.民族教育信息化教育部重点实验室,昆明650500；

关键词：基于属性的访问控制,策略提取,策略增强,集成学习,多目标优化,

基金：国家自然科学基金资助项目(62262073)；云南省应用基础研究计划资助项目(202101AT070098)；云南省万人计划青年拔尖人才项目(YNWR-QNBJ-2019-237)；云南省重大科技专项计划资助项目(202202AE090011)；；

为解决基于属性的访问控制（ABAC）策略自动提取的低质量问题，提出一种基于访问控制日志驱动的ABAC策略自动提取与优化增强方法。首先，构建集成学习模型，将用户行为和权限分配映射为策略逻辑树，识别访问授权决策的关联性及潜在规律，初步生成策略；其次，通过单属性优化和规则二元约简两种方法深度优化策略，简化策略结构并压缩策略规模；最后，提出基于误差度量的规则冲突解决方法，以增强互斥、完备的ABAC策略，并进一步基于多目标优化的策略性能平衡算法实现不同场景需求的最优模型选择。分别在平衡数据集和稀疏数据集上进行测试和验证，实验结果表明，该方法在平衡数据集上的准确性最高可达96.69%，可将策略规模压缩至原来的19.7%。在稀疏数据集上的准确性最高可达87.74%，可将策略规模压缩至原来的23%。此方法兼顾策略的预测精度与结构的简洁性，同时适用于平衡日志和稀疏日志，确保访问控制系统在实际应用中能够实现高效、安全的访问授权管理。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期