RAGent：基于检索的访问控制策略生成
密码学与安全
2024-09-16 v2 人工智能
摘要
手动从组织的高层次需求规范中生成访问控制策略面临诸多挑战。需要仔细地浏览包含此类规范的多个文档，并将其访问需求翻译为访问控制策略。此外，这些规范的复杂性和模糊性常导致系统管理员在翻译过程中出现错误，进而导致数据泄露。尽管已设计自动化策略生成框架以帮助管理员完成此过程，但由于局限性（如缺乏领域适应性），这些框架不可靠。为提高访问控制策略生成的可靠性，我们提出RAGent，一个基于语言模型的检索式访问控制策略生成框架。RAGent通过检索增强生成，将识别的访问需求转化为访问控制策略。与现有框架不同，RAGent生成的策略包含目的和条件等复杂组件，除了主体、动作和资源。此外，RAGent自动验证生成的策略并通过一种新颖的验证-精炼机制进行迭代优化，进一步提高了流程的可靠性，通过3%提升达到80.6%的F1分数。我们还引入了三个注释数据集，用于开发访问控制策略生成框架，解决该领域的数据匮乏问题。
引用
@article{arxiv.2409.07489,
title = {RAGent: Retrieval-based Access Control Policy Generation},
author = {Sakuna Harinda Jayasundara and Nalin Asanka Gamagedara Arachchilage and Giovanni Russello},
journal= {arXiv preprint arXiv:2409.07489},
year = {2024}
}
备注
Submitted to Usenix 2025