从审计日志生成人类可理解的访问控制策略
密码学与安全
2026-03-17 v1 机器学习
摘要
多年来，访问控制系统变得越来越复杂，常常导致决策者与实际授予的权限之间存在断层。例如，属性基访问控制（ABAC），这是一种灵活但复杂的模型，通常由系统安全官员配置，只有在以自然语言形式呈现时才能被他人理解。尽管已提出多种算法用于从访问日志中自动提取 ABAC 规则，但目前尚无尝试桥接机器可执行形式逻辑与人类中心化策略意图之间的语义鸿沟。我们的工作通过开发一个框架来生成从日志中生成人类可理解的自然语言访问控制策略来解决此问题。我们研究了大型语言模型（LLM）的力量在过程中实现准确性和可扩展性的程度。我们命名了该框架 LANTERN（基于 LLM 的 ABAC 自然翻译与解释以便规则导航），并将其实现为一个面向可重复性实验结果的公开可访问 Web 应用程序。
引用
@article{arxiv.2603.14341,
title = {Generation of Human Comprehensible Access Control Policies from Audit Logs},
author = {Gautam Kumar and Ravi Sundaram and Shamik Sural},
journal= {arXiv preprint arXiv:2603.14341},
year = {2026}
}