毋文超，任志宇，杜学绘

基于权限聚类的属性值优化

毋文超1,2，任志宇1，杜学绘1

（1. 信息工程大学，河南 郑州 450001；2. 中国人民解放军31668部队，青海 西宁 810000）

在新型大规模计算环境下应用ABAC（基于属性的访问控制）面临着属性数量多、来源复杂、质量参差不齐、难以人工修正、难以直接应用于访问控制的问题。针对属性标称值的优化问题，设计了一种基于权限聚类的属性值优化算法，通过将实体表示成对应的权限集合，对实体进行基于密度的聚类，为实体赋予权限对应的类别标签，而后基于粗糙集理论对属性值进行化简与修正。最后在UCI公开数据集上对算法进行了验证，证明应用该算法后，ABAC策略挖掘在真阳性率和1得分上均具有较大的提升。

属性值优化；粗糙集理论；基于属性的访问控制；访问控制

1 引言

在云计算、大数据等新型计算环境下，实体数量繁多、安全需求复杂、权限动态变化，以及传统的访问控制模型难以直接适用于新型计算环境，基于属性的访问控制（ABAC，attribute-based access control）机制以属性作为权限判决的依据，可以较好地满足大规模环境下复杂的访问控制需求[1]。作为权限判决的基本依据，属性质量的高低直接关系到ABAC能否实施及其实施的效率[2]。然而在新型计算环境中，实体的属性来源复杂、质量参差不齐，需要对属性进行预处理以获取优质决策属性集[1]。

属性约简可从属性集中选出完备的较小的属性子集，目前已经有较多关于属性约简的方法，但这些方法无法获取比原属性集更加完备的属性子集，约简后的属性集质量依赖于原属性集中的属性质量，无法修正标定错误的属性。……