分布式计算连续体系统中学习驱动的零信任
密码学与安全
2023-12-27 v1 人工智能
分布式、并行与集群计算
摘要
将零信任（ZT）与学习技术融合，可解决分布式计算连续体系统（DCCS）中的各类运维与安全挑战。集中式 ZT 架构被认为不适用于计算连续体（如存在连接与可见性受限的计算实体等）。同时，在计算连续体中实现去中心化 ZT 需理解基础设施局限，并采用新颖方法以增强资源访问管理决策。为克服此类挑战，我们提出一种面向 DCCS 的学习驱动 ZT 概念架构，旨在通过引入表示学习（ReL）等轻量学习策略并将 ZT 组件分布于计算连续体，提升 ZT 架构服务质量。ReL 通过预测威胁或不可信请求来改进决策过程。通过一个示例，我们展示了学习过程如何检测并阻断请求、增强资源访问控制并降低网络与计算开销。最后，我们讨论了该概念架构与流程，并给出研究议程。
引用
@article{arxiv.2311.17447,
title = {Learning-driven Zero Trust in Distributed Computing Continuum Systems},
author = {Ilir Murturi and Praveen Kumar Donta and Victor Casamayor Pujol and Andrea Morichetta and Schahram Dustdar},
journal= {arXiv preprint arXiv:2311.17447},
year = {2023}
}