37、抽象职责分离约束的动态执行

抽象职责分离约束的动态执行

1 引言

大多数信息安全机制旨在保护资源免受外部威胁,但威胁往往来自组织内部,授权用户可能有意或无意地滥用信息系统。职责分离(SoD)是访问控制的一种成熟扩展,旨在确保数据完整性,特别是防止欺诈和错误。其核心思想是将关键流程拆分为多个操作,确保没有单个用户能够执行所有操作,从而至少需要两个用户参与流程,欺诈需要他们勾结才能实现。

现有的SoD规范形式和执行机制在处理约束类型方面存在局限性,且通常与特定的工作流模型绑定。而Li和Wang提出的职责分离代数(SoDA)是一个显著的例外,它允许在高度抽象的层面上对SoD约束进行建模,结合了量化和限定要求。例如,对于要求除Bob之外的经理角色用户以及一到两个分别担任会计和职员角色的额外用户的SoD策略,可使用SoDA术语 (Manager ⊓¬{Bob}) ⊗(Accountant ⊙Clerk) 进行建模。

此前,缺乏将SoDA术语映射到工作流或动态执行机制的通用方法,也未解决子术语的满足与工作流中执行的操作之间的联系,以及角色分配变化对工作流执行期间SoD约束执行的影响。本文将使用进程代数CSP构建工作流、访问控制执行和SoD约束的形式化模型,并将原始SoDA语义扩展到用户的多重集,通过定义从SoDA术语到CSP进程的映射,缩小高级SoD约束规范与其在工作流环境中的执行之间的差距。

2 背景

2.1 CSP

CSP(Communicating Sequential Processes)是一种用于描述并发系统的进程代数。设Σ为事件集合,事件可通过通道进行结构化。给定通道c和集合A,可将c定义为类型A,即对于所有a

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值