面向基于关系访问控制的高效可扩展策略挖掘
密码学与安全
2019-08-12 v4
摘要
基于关系的访问控制（ReBAC）是一种灵活且具表达力的框架，允许依据实体间关系链以及实体属性来表达策略。ReBAC策略挖掘算法有潜力通过部分自动化ReBAC策略的开发，显著降低从遗留访问控制系统向ReBAC迁移的成本。现有ReBAC策略挖掘算法支持具有有限算子集的策略语言，这限制了其适用性。本文提出一种ReBAC策略挖掘算法，旨在同时具备(1) 易扩展性（以支持额外的策略语言特性）与(2) 可扩展性。该算法基于Bui等人的ReBAC策略挖掘进化算法。首先，我们简化其算法，以使其更易扩展，并提供将其扩展以处理新策略语言特性的方法学。然而，扩展策略语言会增大进化算法所探索的候选策略搜索空间，从而导致更长的运行时间和/或更差的结果。为解决该问题，我们为算法增加特征选择阶段。该增强利用神经网络识别有用特征。我们利用特征选择结果来缩减进化算法的搜索空间。新算法易于扩展，且如我们的实验所示，更高效且产生更优策略。
引用
@article{arxiv.1903.07530,
title = {Efficient and Extensible Policy Mining for Relationship-Based Access Control},
author = {Thang Bui and Scott D. Stoller and Hieu Le},
journal= {arXiv preprint arXiv:1903.07530},
year = {2019}
}