17、基于空间特征模型的位置感知RBAC策略解析

基于空间特征模型的位置感知RBAC策略解析

在当今的信息安全领域，访问控制是保障系统安全的重要手段。位置感知的基于角色的访问控制（Location–Aware RBAC）作为一种新兴的访问控制策略，结合了用户的位置信息，能够更精确地进行权限管理。下面将详细介绍位置感知RBAC策略的相关内容。

不完美定位系统的特性

位置感知RBAC策略依赖于定位系统。在室外场景中，基于全球导航卫星系统（GNSS）的定位系统，如GPS，被广泛使用。而在室内，由于无法与卫星建立视线连接，通常会采用Wi-Fi指纹识别等技术。这些方法通过测量来得出用户的估计位置坐标μ。然而，环境和物理因素会影响这些测量过程，导致μ与用户的真实位置存在偏差。GPS的误差通常在9 - 11米之间，而Wi-Fi指纹识别的误差约为1 - 2米。

为了对这种不确定性进行建模，可以使用误差估计器得出一个概率密度函数（pdf）f(μ,Σ)(x)，其中μ为均值，Σ为尺度参数，用于描述真实位置与估计位置μ的接近程度。因此，一个位置估计可以表示为元组(μ, Σ)。在Wi-Fi指纹识别的情况下，这些pdf可以用高斯分布来建模，协方差矩阵Σ可以从测量的奇异性中推导得出。后续将使用这些pdf来做出风险最优的授权决策。

概率性RBAC策略

重温RBAC模型

基于角色的访问控制（RBAC）包含四种用于设计访问控制策略的模型。其基本的访问控制策略基于以下元素：
- 用户集合U ：系统已知的用户集合。
- 角色集合R ：定义的角色集合。
- 权限集合P