.png){kind=icon}
返回
Structured Representation Learning from Network Behavior for Attribute-Based Access Control
.png){kind=icon}
PRE
AI
DOI：10.1007/s10922-026-10077-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于属性的访问控制提供了表达性策略，但在缺乏经过整理的访问控制日志和手动设计的属性模式时，难以在动态系统中扩展。现有方法要么从结构化日志中挖掘符号规则，这些规则在行为变化下脆弱，要么训练黑箱分类器，这些分类器不暴露策略结构。本文提出DACI框架，该框架通过网络行为进行结构化表示学习，并增强安全标签和从入侵检测和资产清单中获得的标识符到实体的绑定。DACI通过分解变分建模和向量量化构建混合潜在空间，分离与访问决策相关的行为因素，并通过轻量级监督将选定维度与语义属性对齐。该空间中的轴对齐谓词被编译成与XACML策略引擎兼容格式的结构化访问策略。在CIC-IDS2017、CSE-CIC-IDS2018和UNSW-NB15上，DACI实现了高达0.946的F1分数，并将学习策略的加权结构复杂性相对于符号和神经网络基线降低了27%至42%。所得到的策略仍然可解释，可以通过外部清单链接到主体和资源属性，并且可以在不依赖预存在的基于属性的访问控制日志的情况下，由标准的XACML部署执行。
Keyword:
Attribute-based access control
Behavioral modeling
Variational autoencoder
Policy induction
Network traffic analysis
期刊
IF:
3.9
论文数:
1.0K
被引数:
1.3K
机构
引用论文
An Automatic Attribute-Based Access Control Policy Extraction From Access Logs从访问日志中自动提取基于属性的访问控制策略
OAAI
.png){kind=icon}
OAAI分享收藏One Model to Find Them All Deep Learning for Multivariate Time-Series Anomaly Detection in Mobile Network Data一种寻找所有异常的深度学习方法：移动网络数据中的多变量时间序列异常检测
OAAI
OAAI分享收藏Privacy-Aware Anomaly Detection in IoT Environments using FedGroup: A Group-Based Federated Learning Approach使用FedGroup在IoT环境中进行隐私感知的异常检测: 基于组的联合学习方法OAAI
OAAI分享收藏PPCA: Privacy-Preserving Continuous Authentication Scheme With Consistency Proof for Zero-Trust Architecture NetworksPPCA：面向零信任架构网络的隐私保护连续认证方案及一致性证明
PREAI
分享收藏
查看更多内容