Efficient and Extensible Policy Mining for Relationship-Based Access Control
基于规则的访问控制（ReBAC）是一个灵活的和富有表现力的框架，它允许用实体之间的关系链以及实体的属性来表示策略。ReBAC策略挖掘算法有可能通过部分自动化ReBAC策略的开发来显着降低从传统访问控制系统迁移到ReBAC的成本。现有的ReBAC策略挖掘算法支持一种具有有限操作符集的策略语言，这限制了它们的适用性。本文提出了一种ReBAC策略挖掘算法，该算法设计为（1）易于扩展（以支持其他策略语言功能）和（2）可扩展。该算法是基于Bui等人。的ReBAC策略挖掘算法的进化算法。首先，我们简化了他们的算法，以使其更容易扩展，并提供一种方法，扩展它来处理新的策略语言功能。然而，扩展策略语言增加了由进化算法探索的候选策略的搜索空间，从而导致更长的运行时间和/或更差的结果。为了解决这个问题，我们增强了算法的特征选择阶段。该增强利用神经网络来识别有用的特征。我们利用特征选择的结果来减少进化算法的搜索空间。新算法易于扩展，实验结果表明，该算法效率更高，产生的策略更好。
2019-08-08 cs.CR
Graph Model Implementation of Attribute-Based Access Control Policies
基于属性的访问控制（ABAC）承诺一个强大的方式来规范访问策略，以支持广泛的访问管理方案。ABAC的一般形式的有效实施仍然是一个挑战，特别是在解决支持社交和物联网网络爆炸性增长所需的隐私法规和访问管理的复杂性时。在本文中，我们介绍了一个图模型实现表示和评估访问策略，并说明了一个示例用例实现在Neo4图数据库。图数据库擅长查询连接数据，因此可以通过图遍历算法有效地评估复杂的策略。
2019-09-21 cs.CR
HUAP: Practical Attribute-based Access Control Supporting Hidden Updatable Access Policies for Resource-Constrained Devices
基于属性的加密（ABE）是一种很有前途的加密机制，在云计算领域提供机密性和细粒度的访问控制。然而，由于高计算开销，常见的ABE方案不适合于资源受限的设备。此外，数据所有者应该能够有效地更新其定义的访问策略，并且在某些情况下，需要应用隐藏的访问策略来保护客户端和数据的隐私。在本文中，我们提出了一个密文策略属性为基础的访问控制方案，首次提供在线/离线加密，隐藏的访问策略，访问策略更新同时进行。在我们的方案中，资源受限的设备配备了在线/离线加密，大大减少了加密开销。此外，访问策略的属性被隐藏，使得满足访问策略的属性集合不能被其他方猜测。此外，数据所有者可以更新其定义的访问策略，同时将更新过程的主要部分外包给云服务提供商。特别是，我们引入了盲访问策略，使云服务提供商能够更新数据所有者的访问策略，而无需接收新的重新加密密钥。此外，我们的方案支持快速解密，使解密算法由一个常数数量的双线性对运算。在随机预言模型下，在判定双线性Diffie-Hellman（DBDH）和判定线性（D-Linear）假设下，证明了该方案是安全的.性能分析结果表明，该方案是有效和实用的.
2021-07-21 cs.CR
Flexible Attribute-Based Encryption Applicable to Secure E-Healthcare Records
在电子病历系统（EHRS）中，基于属性的加密（ABE）是实现对病历细粒度访问控制的一种自然方法。一些提议利用密钥策略ABE（KP-ABE）来保护隐私，使得所有用户与特定的访问策略相关联，并且只有与用户的访问策略相匹配的密文可以被解密。KP-ABE的一个问题是，它需要在密钥生成期间先验地制定访问策略，这在EHRS中并不总是可行的，因为访问健康记录的策略有时在密钥生成之后确定。在本文中，我们重新审视KPABE，并提出了一个动态的ABE范式，称为访问策略可重定义ABE（APR-ABE）。为了解决上述问题，APR-ABE允许用户重新定义他们的访问策略，并为重新定义的访问策略委派密钥;因此，先验的精确策略不再是强制性的。我们构造了一个短密文的APR-ABE方案，并在标准模型下在几个静态假设下证明了它的完全安全性。
2015-12-21 cs.CR
FLAP -- A Federated Learning Framework for Attribute-based Access Control Policies
传感器、物联网和机器人等领域的技术进步，使新的协作应用成为可能（例如，自主设备）。这种合作的主要要求是拥有一个安全的系统，能够实现信息共享和信息流保护。基于策略的管理系统是实现受保护资源安全选择共享的关键机制。然而，这种协作环境中的每一方的政策都不能是静态的，因为它们必须适应不同的背景和情况。协作应用程序的一个优点是，协作中的每一方都可以利用其他方的知识来学习或增强自己的策略。我们把这种学习机制称为政策转移。策略转移框架的设计具有挑战性，包括策略冲突和隐私问题。政策冲突通常是由于各方义务的不同而产生的，而隐私问题则是由于敏感数据的数据共享限制而产生的。因此，政策转移框架应能够通过考虑最低限度的数据共享来应对这些挑战，并支持政策调整以解决冲突。在本文中，我们提出了一个框架，旨在应对这些挑战。我们介绍了一个正式的定义的政策转移问题的属性为基础的政策。然后，我们介绍的转移方法，包括三个连续的步骤。最后，我们报告实验结果。
2020-11-02 cs.CR
"All of Me": Mining Users' Attributes from their Public Spotify Playlists
University of Padova（帕多瓦大学）
本研究通过分析Spotify公开播放列表，利用统计分析和机器学习方法推断用户属性。
2025-12-15 cs.CR cs.LG cs.SI
Combining ID's, Attributes, and Policies in Hyperledger Fabric
这项工作旨在通过将多个ID、属性和策略与规范访问控制的组件相结合，在Hyperledger Fabric区块链中提供更安全的访问控制。首先对Hyperledger Fabric当前使用的访问控制系统进行了全面分析。接下来，提出了一种新的实现，该实现建立在现有解决方案的基础上，但为用户和开发人员提供了更简单的方法来根据多个ID、属性和策略的组合做出访问控制决策。我们建议的实现封装了Fabric CA客户端，以方便属性添加并简化注册和注册新创建的证书（对应于新用户）的过程。这项研究得出的结论是，在Hyperledger Fabric的智能合约技术的帮助下，可以将多个ID、属性和策略结合起来。此外，可以看出，与总是提供对资源的访问而不执行访问控制的不安全情况相比，对真实世界应用程序的性能影响可以忽略不计。
2022-07-04 cs.CR cs.DC
Learning Attribute-Based and Relationship-Based Access Control Policies with Unknown Values
Stony Brook University（石溪大学）
基于属性的访问控制（ABAC）和基于身份验证的访问控制（ReBAC）提供了高水平的表达能力和灵活性，通过允许策略以实体之间的属性和关系链的形式来表达，从而促进了安全性和信息共享。从传统访问控制信息中学习ABAC和ReBAC策略的算法有可能显著降低迁移到ABAC或ReBAC的成本。本文提出了第一个算法，挖掘ABAC和ReBAC策略从访问控制列表（ACL）和不完全信息的实体，其中一些属性的值是未知的。我们表明，这个问题的核心可以被看作是学习一个简洁的三值逻辑公式，从一组标记的特征向量包含未知数，我们给出了第一个算法（尽我们所知）的问题。
2020-11-23 cs.AI cs.CR
Implementation of Association Rule Mining for Network Intrusion Detection
现代的入侵检测系统都是基于数据采掘和以数据库为中心的体系结构，其中出现了许多数据采掘技术，其中关联规则挖掘是数据采掘研究的重要内容之一。这种方法确定大型数据项集之间的有趣关系。这种技术最初被应用于所谓的购物篮分析，其目的是发现超市顾客的购物行为。与通常需要数百个属性的购物篮分析数据集相比，网络审计数据库面临数十个属性。针对事务数据库的这种特点，对传统的关联规则挖掘算法Apriori进行了改进。本文提出了一种改进的Apriori算法，该算法通过事务切割和散列，只需扫描网络审计数据库一次，在实际应用中非常有用。
2016-08-04 cs.CR cs.DB
Towards Harnessing the Power of LLMs for ABAC Policy Mining
Indian Institute of Technology Kharagpur（印度克达尔格浦尔理工学院）
本文研究了大语言模型在ABAC策略挖掘中的应用，发现其在小规模场景有效，但随着规模扩大，准确性下降且策略规模增大。
2025-11-22 cs.CR cs.LG
Unveiling Privacy Policy Complexity: An Exploratory Study Using Graph Mining, Machine Learning, and Natural Language Processing
Computer Science Georgia Southern University Statesboro, USA（计算机科学 乔治亚南方大学 状态boro, 美国）；Cybersciences Augusta University Augusta, USA（网络科学 奥古斯塔大学 奥古斯塔, 美国）
本研究提出用交互式图可视化与图挖掘分析隐私政策，识别用户追踪和数据共享模式，提升政策可解释性并辅助合规审计。
2025-06-30 cs.AI cs.CR
On attribute-based usage control policy ratification for cooperative computing context
在开放的信息系统范例中，实时的上下文感知对于合作的成功至关重要，因此合作伙伴的动态安全属性应该在合作中得到考虑，以避免安全冲突。此外，跨境资产共享活动和与治理丧失相关的风险要求对合作伙伴的行为进行持续监管，关注资源共享和消耗活动。本文描述了一种基于属性的使用控制策略方案。使用EBNF的简洁语法来概括基本策略模型。利用溯因约束逻辑程序设计（ACLP）和事件演算（EC）对协商过程进行语义消歧。在此基础上，提出了一种基于策略聚集代数的策略确认方法，该方法详细描述了请求空间和策略规则关系。此方法可确保在由于资源共享和合并活动而聚合策略时，生成的策略正确地解释提供者策略的原始安全目标。
2013-05-08 cs.CR
A Blockchain-based Decentralised and Dynamic Authorisation Scheme for the Internet of Things
授权已被公认为防止未经授权访问物联网（IoT）网络中的关键资源（如设备和数据）的重要安全措施。物联网网络的现有授权方法基于传统的访问控制模型，其具有若干缺点，包括架构集中化、策略篡改、访问权验证、恶意第三方策略分配和控制以及网络相关开销。将区块链技术与物联网网络相结合的趋势越来越明显，这表明了区块链技术在解决传统物联网网络授权机制缺陷方面的重要性和潜力。本文基于存储在分布式不可变分类账上的基于属性的访问控制（ABAC）细粒度策略，为物联网网络提出了一种分散、安全、动态和灵活的授权方案。我们设计了一个基于区块链的ABAC策略管理框架，分为属性管理权限（AMA）和策略管理权限（PMA）框架，使用智能合约功能来初始化，存储和管理区块链上的属性和策略。为了在授权过程中实现灵活性和动态性，我们结合ABAC模型的主体和客体属性来捕获和利用与环境相关的属性来定义策略。此外，我们设计了基于区块链的访问管理框架（AMF）来管理用户访问物联网设备的请求，同时维护用户请求和分配策略的隐私性和可验证性。我们实现了我们提出的方案的原型，并在本地以太坊区块链上执行。最后，我们证明了我们提出的方案的适用性和灵活性，基于物联网的灵巧家庭的情况下，考虑到部署，执行和财务成本。
2022-08-15 cs.CR
Hybrid Microaggregation for Privacy-Preserving Data Mining
微聚合的k-匿名是最常用的匿名技术之一。这种成功是由于在信息损失和身份泄露风险之间实现了利益权衡。然而，该方法可能具有一些缺点。在披露限制方面，缺乏对属性披露的保护。在数据实用程序方面，处理真实的数据集是一项具有挑战性的任务。事实上，后者的特点是其大量的属性和噪声数据的存在，这样的离群值，甚至，数据与缺失值。生成对数据采掘任务有用的匿名个体数据，同时减少噪声数据的影响是一项迫切需要实现的任务。在本文中，我们介绍了一种新的微聚集方法，称为HM-PFSOM，基于模糊可能性聚类。我们提出的方法通过混合方式操作。这意味着匿名化过程是按相似数据块应用的。因此，我们可以帮助减少匿名化过程中的信息丢失。HMPFSOM方法提出研究每个子数据集内机密属性的分布。然后，根据后一种分布，以保持匿名化微数据内的机密属性的多样性的方式确定隐私参数k。这允许降低机密信息的泄露风险。
2018-12-04 cs.CR cs.DB cs.IR
Verifying Security Policies using Host Attributes
在网络安全策略的形式化验证中，验证目标的表达是关键。这些正式的目标，称为安全不变量，应该很容易为最终用户表达。本研究以访问控制和信息流安全策略为重点，发现并证明了关于安全不变量的普遍见解。这样可以安全、方便地自动完成主机属性配置。我们展示了我们的结果在民航场景。所有结果都用Isabelle/HOL定理证明器进行了机器验证。
2016-04-01 cs.CR cs.NI cs.SE
PTaCL: A Language for Attribute-Based Access Control in Open Systems
近年来，许多语言和代数被提出来用于授权策略的规范。对于一些提案，如XACML，主要动机是解决现实世界的需求，通常是通过提供一种复杂的策略语言和一些非正式的评估方法;其他人试图提供更大程度的正式性（特别是在策略评估方面），但支持的功能要少得多。简而言之，很少有提案将丰富的语言功能集与定义良好的语义相结合，更少的是在开放环境中基于属性的访问控制的授权策略。在本文中，我们分解成两个不同的子语言的政策规范的问题：政策目标语言（PTL）的目标规范，它决定了一个政策时，应评估;和政策组合语言（PCL），用于建立更复杂的政策，从现有的。我们定义了两个这样的语言的语法和语义，并证明它们可以是简单的和富有表现力的。PTaCL是通过结合这两种子语言的功能而获得的语言，支持广泛的策略规范。然而，PTaCL的强大功能意味着可以定义可能产生意外结果的策略。我们提供了一个分析PTL应如何限制，以及如何写在PCL的政策应进行评估，以尽量减少不良结果的可能性。
2011-11-24 cs.CR cs.LO
CyberCScope: Mining Skewed Tensor Streams and Online Anomaly Detection in Cybersecurity Systems
SANKEN, Osaka University（大阪大学 SANKEN）
提出流式方法CyberCScope，通过混合偏斜无限与有限维分解处理高阶张量流，实现网络安全中多类型入侵的实时检测与特征总结。
2025-03-02 cs.AI cs.CR cs.LG
Using Constraint Programming and Graph Representation Learning for Generating Interpretable Cloud Security Policies
Symmetry Systems（对称系统公司）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Singapore Management University（新加坡管理大学）
现代软件系统依赖于从存储在公共云中的业务敏感数据中挖掘洞察力。数据泄露通常会给商业组织带来重大（金钱）损失。从概念上讲，云安全严重依赖于身份访问管理（IAM）策略，IT管理员需要正确配置和定期更新这些策略。安全疏忽和人为错误通常会导致错误配置IAM策略，这可能会为攻击者打开后门。为了解决这些挑战，首先，我们开发了一个新的框架，编码生成最佳的IAM政策，使用约束编程（CP）。我们将减少云用户的暗权限确定为最优标准，这直观地意味着最大限度地减少不必要的云访问权限。第二，使IAM政策的可解释性，我们使用图表示学习应用到历史的用户访问模式，以增加我们的CP模型与相似性约束：类似的用户应该分组在一起，共享共同的IAM政策。第三，我们描述了多种攻击模型，并表明我们优化的IAM策略使用来自8个商业组织和合成实例的真实数据显着降低了安全攻击的影响。
2022-06-13 cs.AI cs.CR
Automated Certification of Authorisation Policy Resistance
基于属性的访问控制（ABAC）扩展了传统的访问控制，将访问请求视为一组成对的属性名称-值，使其在开放和分布式系统的上下文中特别有用，其中安全相关信息可以从不同的源收集。但是，ABAC支持属性隐藏攻击，允许攻击者通过保留信息来获得某些访问权限。在本文中，我们首先介绍了属性隐藏攻击的政策阻力的概念。然后，我们提出的工具ATRAP（自动任期重写授权政策），最近正式的ABAC语言PTaCL，首先自动搜索阻力反例使用Maude，然后自动搜索伊莎贝尔证明阻力的基础上。我们用两个简单的政策例子来说明我们的方法，并提出了ATRAP性能的评估。
2013-06-20 cs.CR cs.LO
