一種基于屬性的模糊訪問控制計(jì)算方法
【專利摘要】一種基于屬性的模糊訪問控制計(jì)算方法屬于網(wǎng)絡(luò)安全【技術(shù)領(lǐng)域】，特別是一種基于屬性的模糊訪問控制計(jì)算方法。本發(fā)明采用兩級(jí)加權(quán)方式對(duì)對(duì)象及其屬性分別賦予不同權(quán)值，然后基于模糊評(píng)判矩陣和加權(quán)平均模型進(jìn)行綜合評(píng)判，計(jì)算訪問請(qǐng)求對(duì)授權(quán)策略的滿足程度，最后基于模糊推理規(guī)則得出得到權(quán)限策略集合。本發(fā)明基于主體、資源、環(huán)境三類屬性信息的不同權(quán)重，對(duì)訪問控制的策略決策過程進(jìn)行模糊處理，得到模糊授權(quán)策略集合，能夠處理在訪問請(qǐng)求信息部分滿足評(píng)判條件下的訪問控制授權(quán)問題，對(duì)于提升訪問控制的完備性具有重要意義。
【專利說明】一種基于屬性的模糊訪問控制計(jì)算方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于網(wǎng)絡(luò)安全【技術(shù)領(lǐng)域】，特別是一種基于屬性的模糊訪問控制計(jì)算方法?！颈尘凹夹g(shù)】
[0002]面向服務(wù)體系架構(gòu)由于復(fù)用性和兼容性好、開發(fā)復(fù)雜性低等特點(diǎn)，受到了廣泛的關(guān)注。為了實(shí)現(xiàn)更細(xì)粒度的資源信息安全保護(hù)，系統(tǒng)基于資源的多種屬性制定大量的訪問策略。ABAC (Attribute based Access Control)模型直接制定與用戶屬性和資源屬性相關(guān)的策略訪問規(guī)則，用戶根據(jù)其對(duì)應(yīng)的屬性值和相應(yīng)規(guī)則，判斷得到資源的訪問權(quán)限。但現(xiàn)有的ABAC模型中，策略判決是一個(gè)精確匹配的過程，根據(jù)主體、資源、環(huán)境等各種屬性信息進(jìn)行精確匹配，滿足條件則允許，不滿足條件則拒絕。而在實(shí)際情況中，訪問請(qǐng)求者、上下文環(huán)境、被訪問的資源可能分別都包括多種屬性，那么進(jìn)行策略匹配的數(shù)量級(jí)就會(huì)達(dá)到O(n3)，在屬性值較多的情況下，會(huì)影響授權(quán)速度。另外，在實(shí)際運(yùn)行中，屬性信息往往在不斷動(dòng)態(tài)變化，精確匹配模型無法動(dòng)態(tài)進(jìn)行調(diào)整。為解決授權(quán)速度和模型動(dòng)態(tài)調(diào)整問題，本專利提出了基于屬性的，可以快速匹配屬性值，并能動(dòng)態(tài)調(diào)整模型的分布式的訪問控制方法。

【發(fā)明內(nèi)容】

[0003]本發(fā)明就是為了解決上述問題，提出一種基于屬性的模糊訪問控制方法，采用兩級(jí)加權(quán)方式對(duì)對(duì)象及其屬性分別賦予不同權(quán)值，然后基于模糊評(píng)判矩陣和加權(quán)平均模型進(jìn)行綜合評(píng)判，計(jì)算訪問請(qǐng)求對(duì)授權(quán)策略的滿足程度，最后基于模糊推理規(guī)則得出得到權(quán)限策略集合。
[0004]基于屬性的訪問控制涉及主體、資源、環(huán)境三種因素，屬性可分為主體屬性、資源屬性和環(huán)境屬性。
[0005]本發(fā)明的技術(shù)方案是在一個(gè)由互聯(lián)網(wǎng)中的模糊式訪問控制器和多個(gè)分布式策略執(zhí)行處理器共同構(gòu)成的模糊式訪問控制服務(wù)系統(tǒng)中依次按以下步驟完成的:
[0006]步驟(I)
[0007]模糊式訪問控制服務(wù)系統(tǒng)初始化:
[0008]策略執(zhí)行處理器，設(shè)有=XACML語言文件提供模塊，
[0009]模糊式訪問控制器，設(shè)有:屬性權(quán)限模塊、策略決策模塊以及權(quán)限策略庫，其中:
[0010]屬性權(quán)威模塊，設(shè)有:主體屬性子模塊、資源屬性子模塊和環(huán)境因素屬性子模塊，其中:
[0011]主體屬性子模塊，設(shè)有:
[0012]主體集合S, S = {s1; s2,..., sn,..., sN}, n e N,表示訪問控制的主體,所述主體是指通過身份鑒定的訪問請(qǐng)求者，η表示主體s的序號(hào)，N表示主體的數(shù)量；
[0013]主體屬性集合X, X = {x1； x2,..., xm,..., XM}, m e Μ, xm是主體屬性,至少包括身份、角色、年齡、郵政編碼、常住地址、IP地址、雇員職位和已驗(yàn)證的公鑰構(gòu)架PKI證書，m是主體屬性的序號(hào)，M是主體屬性的數(shù)量；[0014]資源屬性子模塊，設(shè)有:
[0015]資源集合O, O = {o1； o2,..., og,..., oj , g e G, ο表示訪問請(qǐng)求者需要訪問的資源，至少包括數(shù)據(jù)、服務(wù)和系統(tǒng)設(shè)備，g是資源的序號(hào)，G是資源的數(shù)量；
[0016]資源屬性集合Y, Y = Iy17Y2,..., yq,..., yQ} , q e Q，q e Q，y 是資源的屬性，q 是資源屬性的序號(hào)，Q是資源屬性的數(shù)量，資源屬性至少包括資源的身份、標(biāo)準(zhǔn)資源地址URL、資源的大小和數(shù)值；
[0017]環(huán)境因素屬性子模塊，設(shè)有:
[0018]環(huán)境因素集合T，T = It1, t2，...，te，...，tE}，e e E，表示訪問時(shí)的上下文環(huán)境影響因素，至少包括時(shí)間、條件和狀態(tài)；
[0019]環(huán)境因素屬性集合Z, Z = Iz1, z2,..., zv,..., zv}, V e V, zv是環(huán)境屬性,至少包括當(dāng)前時(shí)間、日期、每日的時(shí)間段、安全級(jí)別和系統(tǒng)狀態(tài)；
[0020]策略決策模塊，輸入是所述策略執(zhí)行處理器輸入的授權(quán)請(qǐng)求，依次執(zhí)行輸入信息處理、權(quán)重調(diào)整建立評(píng)判矩陣，綜合評(píng)判和模糊推理各步驟，輸出是權(quán)限決策；
[0021]設(shè)置訪問請(qǐng)求信任度集合M = (HiljlH2,m3,m4}，分別表示“完全信任”、“強(qiáng)信任”、“弱信任”、“不信任”集合；
[0022]權(quán)限策略庫，設(shè)有:模糊授權(quán)策略集合P，P = {Pl，p2, p3, p4}，P e P，依次表示完全授權(quán)策略集、強(qiáng)授權(quán)策略集、弱授權(quán)策略集和不授權(quán)策略集；
[0023]根據(jù)對(duì)服務(wù)請(qǐng)求的綜合評(píng)判結(jié)果，分配相應(yīng)的授權(quán)策略；其中，一個(gè)策略庫存儲(chǔ)多條訪問控制策略，每條策略可以包括多條規(guī)則，一條規(guī)則用于判定主體S能否在環(huán)境T下訪問資源0，可表示成以S、O、T的屬性為參數(shù)的函數(shù)，返回信任度值；
[0024]Rule:can_access (s, o, t) — f (X，Y, Z)
[0025]f(X，Y，Z)采用函數(shù)矩陣實(shí)現(xiàn)，其中子函數(shù)An(X1JpZ1)用于計(jì)算X1, Y1, Z1的信任度，以此類推，fm-t-v(Xm，Yt, Zv)用于計(jì)算Xm，Yt, Zv的信任度；我們需要建立個(gè)信任度函數(shù)；看上去，計(jì)算很多，依次計(jì)算完成需要很長(zhǎng)時(shí)間，但是，由于采用多個(gè)子函數(shù)實(shí)現(xiàn)信任度計(jì)算，并且，各子函數(shù)的信任度計(jì)算是完全獨(dú)立的，因此，該信任度計(jì)算完全可以由多服務(wù)器并發(fā)完成計(jì)算，因此，計(jì)算時(shí)間約為通訊時(shí)間加上單一子函數(shù)最長(zhǎng)的運(yùn)行時(shí)間，這樣就大大提高了信任度計(jì)算速度；同時(shí)，可以建立緩存機(jī)制，很多具有相同屬性的計(jì)算，可以直接引用以前的結(jié)果，可以大大減少運(yùn)算量；當(dāng)判別的主體屬性、資源屬性、環(huán)境屬性有變化時(shí)，只需要?jiǎng)討B(tài)調(diào)整相關(guān)的信任度子函數(shù)，而無須考慮不相關(guān)的其他子函數(shù)；
[0026]對(duì)于給定的S、O、T的所有屬性值，如果函數(shù)的返回值為完全信任，則應(yīng)該允許對(duì)資源進(jìn)行訪問，否則拒絕訪問；
[0027]分布式的評(píng)判函數(shù)矩陣可以解決信任度問題，但還是存在計(jì)算量較大，資源使用率高的現(xiàn)象；實(shí)際上，對(duì)所有的屬性組合進(jìn)行精確信任度計(jì)算是沒有必要的，很多情況下，只需要進(jìn)行部分的屬性組合信任度計(jì)算就可以完成信任度評(píng)估的工作；因此，我們?cè)谧罱K進(jìn)行信任度計(jì)算之前，設(shè)置評(píng)判因素集通過U= {S, O, Tl模糊算法篩選出部分屬性參與計(jì)算，由于參與屬性計(jì)算的屬性減少，f(x，Y，Z)的子函數(shù)計(jì)算量也會(huì)相應(yīng)的減少；采用模糊算法進(jìn)行篩選，而不是精確匹配篩選，主要是因?yàn)閷傩员姸?，各屬性組合之間的信任度相關(guān)性不適合用精確函數(shù)描述；
[0028]對(duì)評(píng)判目標(biāo)(訪問請(qǐng)求信任度)的因素可分為2個(gè)層次，包括評(píng)判對(duì)象和評(píng)判對(duì)象屬性級(jí)；即訪問請(qǐng)求信任度受到主體、資源、環(huán)境三種評(píng)判因素的影響，而各個(gè)評(píng)判對(duì)象分別受到其屬性的影響；
[0029]步驟⑵
[0030]①策略執(zhí)行模塊負(fù)責(zé)解析用戶的訪問請(qǐng)求，抽取其中的主體屬性，并將授權(quán)請(qǐng)求和主體屬性發(fā)送給策略決策模塊；策略執(zhí)行模塊可以是分布在整個(gè)網(wǎng)絡(luò)環(huán)境中多個(gè)位置，而且請(qǐng)求主體不能繞過策略執(zhí)行模塊而直接訪問資源；
[0031]②策略決策模塊進(jìn)行模糊策略判決,具體步驟如下:
[0032]I):輸入信息處理；
[0033]由于部分訪問請(qǐng)求信息和策略信息不是數(shù)值形式，需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換；轉(zhuǎn)化為屬性類型，屬性名稱，屬性值的對(duì)象描述；例如，主體的職稱屬性值為:助理工程師、工程師、高級(jí)工程師、研究員，屬性名稱為“職稱”，屬性類型“文本”，屬性值為“助理工程師、工程師、高級(jí)工程師、研究員”之一；同理，將環(huán)境屬性和訪問對(duì)象屬性也都需要按標(biāo)準(zhǔn)輸入信息進(jìn)行處理；
[0034]2):屬性篩選；通過分析輸入數(shù)據(jù)，根據(jù)具體應(yīng)用需求，對(duì)主體、資源、環(huán)境屬性進(jìn)行模糊篩選；
[0035]3):使用信任度函數(shù)進(jìn)行信任度計(jì)算；首先獲取篩選后的屬性，進(jìn)行對(duì)應(yīng)的信任度計(jì)算，對(duì)于信任度值，再進(jìn)行處理，得到訪問許可值；例如，A-H(HZ1)的Xl是主體職稱是資源密級(jí)是系統(tǒng)狀態(tài)；系統(tǒng)狀態(tài)分為系統(tǒng)閑和系統(tǒng)忙；則工程師系統(tǒng)閑時(shí)訪問一個(gè)公開資料的信任度和系統(tǒng)忙時(shí)訪問一個(gè)公開資料的信任度值是不一樣的，綜合考慮其他信任度函數(shù)的返回，平時(shí)可能允許工程師訪問的資源，在系統(tǒng)忙時(shí)，可能限制工程師訪問.Y1, Z1)最初可以人工初始化，在積累一定經(jīng)驗(yàn)數(shù)據(jù)，可以根據(jù)經(jīng)驗(yàn)數(shù)據(jù)調(diào)整信任度系數(shù)。
[0036]本發(fā)明方法的具體步驟可以描述為:
[0037]步驟1:策略執(zhí)行模塊接受主體發(fā)送的web訪問請(qǐng)求，并從屬性權(quán)威獲取相關(guān)的主體屬性、資源屬性以及環(huán)境屬性，構(gòu)建一個(gè)基于屬性的訪問請(qǐng)求發(fā)送給策略決策模塊?；趯傩缘脑L問請(qǐng)求采用XACML語言對(duì)訪問主體、資源和環(huán)境屬性進(jìn)行了描述，其自然語義為“在當(dāng)前環(huán)境下，主體對(duì)資源進(jìn)行訪問”，主體、資源、環(huán)境都是通過屬性值描述，可形式化描述為 ReqA(S，0，E)。
[0038]步驟2:策略決策模塊根據(jù)基于屬性的訪問請(qǐng)求中給定的主體、資源、環(huán)境的屬性值，查找策略庫中適用的策略和規(guī)則，對(duì)訪問請(qǐng)求按照特定的匹配算法進(jìn)行比較評(píng)估，得到評(píng)估結(jié)果。將授權(quán)結(jié)果以XACML響應(yīng)格式返回給策略執(zhí)行模塊。若需更多的屬性信息就從屬性權(quán)威獲取相關(guān)的屬性信息。
[0039]其中，策略決策的具體步驟包括:步驟I):進(jìn)行輸入信息獲取與處理；步驟2):屬性篩選調(diào)整；步驟3):輸入評(píng)判矩陣計(jì)算信任度；步驟4):綜合評(píng)判。
[0040]步驟3:策略執(zhí)行模塊根據(jù)策略決策結(jié)果對(duì)資源實(shí)施訪問控制與授權(quán)。
[0041]本發(fā)明基于主體、資源、環(huán)境三類屬性信息的不同權(quán)重，對(duì)訪問控制的策略決策過程進(jìn)行模糊處理，得到模糊授權(quán)策略集合，能夠處理在訪問請(qǐng)求信息部分滿足評(píng)判條件下的訪問控制授權(quán)問題，對(duì)于提升訪問控制的完備性具有重要意義?！緦＠綀D】

【附圖說明】
[0042]圖1屬性權(quán)威框圖；
[0043]圖2本發(fā)明軟件框圖；
[0044]圖3綜合評(píng)判流程圖；
[0045]圖4本發(fā)明主流程圖。
【具體實(shí)施方式】
[0046]下面結(jié)合流程圖，對(duì)優(yōu)選實(shí)施例作詳細(xì)說明，應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。
[0047]步驟1:策略執(zhí)行模塊負(fù)責(zé)解析用戶的訪問請(qǐng)求,抽取其中的主體屬性,并將授權(quán)請(qǐng)求和主體屬性發(fā)送給策略決策模塊。策略執(zhí)行模塊可以是分布在整個(gè)網(wǎng)絡(luò)環(huán)境中多個(gè)位置，而且請(qǐng)求主體不能繞過策略執(zhí)行模塊而直接訪問資源。
[0048]步驟2:策略決策模塊進(jìn)行模糊策略判決，具體步驟如下:
[0049]步驟I):輸入信息處理。
[0050]由于部分訪問請(qǐng)求信息和策略信息不是數(shù)值形式，需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換。轉(zhuǎn)化為屬性類型，屬性名稱，屬性值的對(duì)象描述。例如，主體的職稱屬性值為:助理工程師、工程師、高級(jí)工程師、研究員，屬性名稱為“職稱”，屬性類型“文本”，屬性值為“助理工程師、工程師、高級(jí)工程師、研究員”之一。同理，將環(huán)境屬性和訪問對(duì)象屬性也都需要按標(biāo)準(zhǔn)輸入信息進(jìn)行處理。
[0051]步驟2):屬性篩選。通過分析輸入數(shù)據(jù)，根據(jù)具體應(yīng)用需求，對(duì)主體、資源、環(huán)境屬性進(jìn)行模糊篩選。
[0052]步驟3):使用信任度函數(shù)進(jìn)行信任度計(jì)算。如圖所示，首先獲取篩選后的屬性，進(jìn)行對(duì)應(yīng)的信任度計(jì)算，對(duì)于信任度值，再進(jìn)行處理，得到訪問許可值。
[0053]例如，fi+JXp Y1, Z1)的xl是主體職稱；yl是資源密級(jí)；zl是系統(tǒng)狀態(tài)；系統(tǒng)狀態(tài)分為系統(tǒng)閑和系統(tǒng)忙；則工程師系統(tǒng)閑時(shí)訪問一個(gè)公開資料的信任度和系統(tǒng)忙時(shí)訪問一個(gè)公開資料的信任度值是不一樣的，綜合考慮其他信任度函數(shù)的返回，平時(shí)可能允許工程師訪問的資源，在系統(tǒng)忙時(shí)，可能限制工程師訪問.Af1(XpYpZ1)最初可以人工初始化，在積累一定經(jīng)驗(yàn)數(shù)據(jù)，可以根據(jù)經(jīng)驗(yàn)數(shù)據(jù)調(diào)整信任度系數(shù)。
【權(quán)利要求】
1.一種基于屬性的模糊式訪問控制方法，其特征在于，是在一個(gè)由互聯(lián)網(wǎng)中的模糊式訪問控制器和多個(gè)分布式策略執(zhí)行處理器共同構(gòu)成的模糊式訪問控制服務(wù)系統(tǒng)中依次按以下步驟完成的: 步驟(1) 模糊式訪問控制服務(wù)系統(tǒng)初始化: 策略執(zhí)行處理器，設(shè)有=XACML語言文件提供模塊， 模糊式訪問控制器，設(shè)有:屬性權(quán)限模塊、策略決策模塊以及權(quán)限策略庫，其中: 屬性權(quán)威模塊，設(shè)有:主體屬性子模塊、資源屬性子模塊和環(huán)境因素屬性子模塊，其中: 主體屬性子模塊，設(shè)有: 主體集合s, S = (S1, S2,..., Sn,..., sN}, n ∈ N,表示訪問控制的主體,所述主體是指通過身份鑒定的訪問請(qǐng)求者，η表示主體s的序號(hào)，N表示主體的數(shù)量； 主體屬性集合X，X = (X1, x2，...，xm，...，xM}，m ∈ Μ, xm是主體屬性,至少包括身份、角色、年齡、郵政編碼、常住地址、IP地址、雇員職位和已驗(yàn)證的公鑰構(gòu)架PKI證書，m是主體屬性的序號(hào)，M是主體屬性的數(shù)量； 資源屬性子模塊，設(shè)有: 資源集合O, O = {1, O2,..., Og,..., o} , g ∈ G, O表示訪問請(qǐng)求者需要訪問的資源，至少包括數(shù)據(jù)、服務(wù)和系統(tǒng)設(shè)備，g是資源的序號(hào)，G是資源的數(shù)量；
資源屬性集合Y, Y = {y1, y2,..., yq,..., yQ}, q ∈ Q, q ∈ Q, y是資源的屬性，q是資源屬性的序號(hào)，Q是資源屬性的數(shù)量，資源屬性至少包括資源的身份、標(biāo)準(zhǔn)資源地址URL、資源的大小和數(shù)值； 環(huán)境因素屬性子模塊，設(shè)有: 環(huán)境因素集合T，T = {t1, t2，...，te，...，tE}，e e E，表示訪問時(shí)的上下文環(huán)境影響因素，至少包括時(shí)間、條件和狀態(tài)； 環(huán)境因素屬性集合Z, Z = {z1, z2,..., zv,..., zv}, V e V, zv是環(huán)境屬性,至少包括當(dāng)前時(shí)間、日期、每日的時(shí)間段、安全級(jí)別和系統(tǒng)狀態(tài)； 策略決策模塊，輸入是所述策略執(zhí)行處理器輸入的授權(quán)請(qǐng)求，依次執(zhí)行輸入信息處理、權(quán)重調(diào)整建立評(píng)判矩陣，綜合評(píng)判和模糊推理各步驟，輸出是權(quán)限決策； 設(shè)置訪問請(qǐng)求信任度集合M = Im1, m2, m3, m4}，分別表示“完全信任”、“強(qiáng)信任”、“弱信任”、“不信任”集合； 權(quán)限策略庫，設(shè)有:模糊授權(quán)策略集合P，P = {pi，p2，p3，p4}，p e P，依次表示完全授權(quán)策略集、強(qiáng)授權(quán)策略集、弱授權(quán)策略集和不授權(quán)策略集； 根據(jù)對(duì)服務(wù)請(qǐng)求的綜合評(píng)判結(jié)果，分配相應(yīng)的授權(quán)策略；其中，一個(gè)策略庫存儲(chǔ)多條訪問控制策略，每條策略可以包括多條規(guī)則，一條規(guī)則用于判定主體S能否在環(huán)境T下訪問資源0，可表示成以S、O、T的屬性為參數(shù)的函數(shù)，返回信任度值；
Rule:can_access (s, o, t) ← f (X，Y, Z) f(x，Y，z)采用函數(shù)矩陣實(shí)現(xiàn)，其中子函數(shù)f HjX1, Y1, Z1)用于計(jì)算X1, Y1, Z1的信任度，以此類推，fm-t-v(Xm，Yt, Zv)用于計(jì)算Xm，Yt, Zv的信任度；我們需要建立個(gè)信任度函數(shù)；看上去，計(jì)算很多，依次計(jì)算完成需要很長(zhǎng)時(shí)間，但是，由于采用多個(gè)子函數(shù)實(shí)現(xiàn)信任度計(jì)算，并且，各子函數(shù)的信任度計(jì)算是完全獨(dú)立的，因此，該信任度計(jì)算完全可以由多服務(wù)器并發(fā)完成計(jì)算，因此，計(jì)算時(shí)間約為通訊時(shí)間加上單一子函數(shù)最長(zhǎng)的運(yùn)行時(shí)間，這樣就大大提高了信任度計(jì)算速度；同時(shí)，可以建立緩存機(jī)制，很多具有相同屬性的計(jì)算，可以直接引用以前的結(jié)果，可以大大減少運(yùn)算量；當(dāng)判別的主體屬性、資源屬性、環(huán)境屬性有變化時(shí)，只需要?jiǎng)討B(tài)調(diào)整相關(guān)的信任度子函數(shù)，而無須考慮不相關(guān)的其他子函數(shù)； 對(duì)于給定的S、O、T的所有屬性值，如果函數(shù)的返回值為完全信任，則應(yīng)該允許對(duì)資源進(jìn)行訪問，否則拒絕訪問； 分布式的評(píng)判函數(shù)矩陣可以解決信任度問題，但還是存在計(jì)算量較大，資源使用率高的現(xiàn)象；實(shí)際上，對(duì)所有的屬性組合進(jìn)行精確信任度計(jì)算是沒有必要的，很多情況下，只需要進(jìn)行部分的屬性組合信任度計(jì)算就可以完成信任度評(píng)估的工作；因此，我們?cè)谧罱K進(jìn)行信任度計(jì)算之前，設(shè)置評(píng)判因素集通過U= {S，0，T}模糊算法篩選出部分屬性參與計(jì)算，由于參與屬性計(jì)算的屬性減少，f(x, Y，Z)的子函數(shù)計(jì)算量也會(huì)相應(yīng)的減少；采用模糊算法進(jìn)行篩選，而不是精確匹配篩選，主要是因?yàn)閷傩员姸?，各屬性組合之間的信任度相關(guān)性不適合用精確函數(shù)描述； 對(duì)評(píng)判目標(biāo)(訪問請(qǐng)求信任度)的因素可分為2個(gè)層次，包括評(píng)判對(duì)象和評(píng)判對(duì)象屬性級(jí)；即訪問請(qǐng)求信任度受到主體、資源、環(huán)境三種評(píng)判因素的影響，而各個(gè)評(píng)判對(duì)象分別受到其屬性的影響； 步驟(2) ①策略執(zhí)行模塊負(fù)責(zé)解析用戶的訪問請(qǐng)求，抽取其中的主體屬性，并將授權(quán)請(qǐng)求和主體屬性發(fā)送給策略決策模塊；策略執(zhí)行模塊可以是分布在整個(gè)網(wǎng)絡(luò)環(huán)境中多個(gè)位置，而且請(qǐng)求主體不能繞過策略執(zhí)行模塊而直接訪問資源； ②策略決策模塊進(jìn)行模糊策略判決，具體步驟如下: 1):輸入信息處理；` 由于部分訪問請(qǐng)求信息和策略信息不是數(shù)值形式，需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換；轉(zhuǎn)化為屬性類型，屬性名稱，屬性值的對(duì)象描述；例如，主體的職稱屬性值為:助理工程師、工程師、高級(jí)工程師、研究員，屬性名稱為“職稱”，屬性類型“文本”，屬性值為“助理工程師、工程師、高級(jí)工程師、研究員”之一；同理，將環(huán)境屬性和訪問對(duì)象屬性也都需要按標(biāo)準(zhǔn)輸入信息進(jìn)行處理； 2):屬性篩選；通過分析輸入數(shù)據(jù)，根據(jù)具體應(yīng)用需求，對(duì)主體、資源、環(huán)境屬性進(jìn)行模糊篩選； 3):使用信任度函數(shù)進(jìn)行信任度計(jì)算；首先獲取篩選后的屬性，進(jìn)行對(duì)應(yīng)的信任度計(jì)算，對(duì)于信任度值，再進(jìn)行處理，得到訪問許可值；例如，^(X1, Y1, Z1)的Xl是主體職稱；yl是資源密級(jí)是系統(tǒng)狀態(tài)；系統(tǒng)狀態(tài)分為系統(tǒng)閑和系統(tǒng)忙；則工程師系統(tǒng)閑時(shí)訪問一個(gè)公開資料的信任度和系統(tǒng)忙時(shí)訪問一個(gè)公開資料的信任度值是不一樣的，綜合考慮其他信任度函數(shù)的返回，平時(shí)可能允許工程師訪問的資源，在系統(tǒng)忙時(shí)，可能限制工程師訪問.Y1, Z1)最初可以人工初始化，在積累一定經(jīng)驗(yàn)數(shù)據(jù)，可以根據(jù)經(jīng)驗(yàn)數(shù)據(jù)調(diào)整信任度系數(shù)。
【文檔編號(hào)】H04L29/06GK103795688SQ201210424262
【公開日】2014年5月14日 申請(qǐng)日期:2012年10月31日 優(yōu)先權(quán)日:2012年10月31日
【發(fā)明者】毛俐旻, 段翼真, 陳志浩, 王斌, 王曉程 申請(qǐng)人:中國航天科工集團(tuán)第二研究院七○六所