一种多级安全模型访问控制数据融合方法技术

本发明专利技术公开了一种多级安全模型访问控制数据融合方法，所述多级安全模型访问控制数据的数据源基于BLP访问模型建立，包括有以下步骤：A、将原始格转换为Hasse图后进行合并；B、对数据源进行映射函数转换；C、对访问控制矩阵进行合并。本发明专利技术方法通过格的融合、映射函数转换、访问矩阵合并实现将格转化为Hasse图，当判断访问权限时，则可以根据融合Hasse图上的偏序关系判断；用户属性不必全局统一，只需映射到相对应的节点即可。同时，某个数据源修改了访问策略时，则无需重新再建立合并过程，只需要将用户或者数据集的映射关系修改即可，避免了重新建立融合过程。本发明专利技术作为一种多级安全模型访问控制数据融合方法可广泛应用于数据处理领域。

【技术实现步骤摘要】

本专利技术涉及数据处理领域，尤其是一种多级安全模型访问控制数据融合方法。
技术介绍
1、术语解释：BLP(Bell–LaPadulamodel)访问模型：一种强制访问控制与自主访问控制相结合的访问控制模型。由是在1976年Bell和Padulla提出一个多级安全策略模型。BLP通过每个主体和客体都有一个安全级别，包括安全等级和分类，即安全级别可定义为：Level＝(C,S)，C为密级，S表示分类级。其中，密级具有层级关系，分类则为一些类别标签。而安全级别Level是存在偏序关系。当主体访问客体时，比较两者之间的安全级别，然后根据访问矩阵决定其访问的授权。BLP模型主要针对数据机密性保护。当用户处较低安全级别时，无法读取较高级别的数据信息，这样便保证了数据信息的单向流通，控制数据信息从低级别流向高级别。此外，当用户级别处于高级别时，无法向低级别的数据信息进行写操作。此两条规则，可描述为SS特性、*-特性，其中F(S)表示主体S的安全级别，F(O)表示客体O的安全级别。为了添加自主访问控制性质，添加访问的灵活性，还增加了使用访问矩阵来描述自主安全规则。当主体用户和客体在访问矩阵中具有访问属性，主体才允许客体访问。BLP模型的三大特性可以表示为1)SS特性(简单安全特性)：当且仅当F(S)≥F(O)，主体S对客体O进行读操作。2)*-特性(星安全特性)：当且仅当F(S)≤F(O)，主体S对客体O进行写操作。3)DS特性(自主安全特性)：当且仅当当前状态下的主体与客体都处于当前状态的访问矩阵中，则当前状态主体可以访问客体。格(Lattice)：数论中，Lattice是一种偏序关系的集合。在访问控制中，是一种多级安全级别，由两部分组成，安全等级和安全分类。安全等级则是具有明确的级别分类，如Topsecret(TS)，Secret(S)，Confidential(C)，Unclassified(U)，其中的TS≥S≥C≥U。而安全分类，则是标记的组合。假设有两个安全级别l1＝(c1,k1)和l2＝(c2,k2)。当且仅当c1≤c2和时，l1和l2满足偏序关系≤，可表示为l1≤l2。Hasse图：在序论里，Hasse图是一种用于表达有限的偏序关系集合的图，以图形形式表现偏序关系集合的传递简约。在偏序集合<S,≤>，在S的每个元素在Hasse图是一个顶点。而对于两个元素S1和S2满足偏序关系，即s1,s2∈S并且s1≤s2，则在Hasse图里偏序关系表示一段有向线段，从S2指向S1。2、现有技术：海量数据的出现，人们越来越专注于如何有效地利用这些数据并获取其最大的价值。例如，美国医疗零售商在使用大数据进行分析和利用，有效提高他们的利益60％。与此同时，大数据的利用也帮助欧洲政府提高工作效率，减少近1000亿欧元的政府开销。其中一种数据利用的方式，就是将数据开放提供给其他用户，将多个不同来源的数据整合在一起。因此，在数据融合过程中，越来越复杂的数据随之产生。与此同时，这也会给这些数据利用者提供便利，让其得到更精确的数据分析，在数据挖掘和智能决策上得到更精确的利用。而在现实生活中，ApacheSolr和ElasticSearch就是通常用于作为搜索引擎来在融合数据上进行搜索行为。在融合数据上进行检索中所面临的一个数据安全问题，就是如何处理融合数据获取中的机密性保护。在大数据中，数据获取中需要保护个人隐私信息，如个人兴趣，爱好和财产等。人们可以轻松通过Facebook用户的公开页面来获取用户的个人信息。在混合云的云计算环境中，敏感数据尽量放在私有云上，减少个人隐私信息泄露风险。因此，多个数据源上的数据进行融合，当用户在融合数据上进行搜索，搜索的结果必须不能包含该用户所不能访问的数据。假设，一个用户u允许访问数据集DA，不允许访问数据集DB。数据融合过程中，一个新的数据集DC由DA和DB融合所产生的，例如连接操作，DA和DB的join。因此，DC将会包含DA和DB的数据信息。当用户u在融合数据上发出搜索语句q，那么检索结果必须过滤来自数据集DB的数据。因为如果没有过滤，直接将那些来自DC的数据返回给用户u，用户u就极有可能获取得到来自数据集DB的数据信息，从而使得数据泄露。所以，在多数据源的环境下不仅仅需要对数据进行融合，还需要对各数据源中的访问策略进行融合。针对于多级安全模型的访问策略问题，需要有一种将访问策略融合进行融合的方案。针对于各访问策略之间可能存在的冲突问题，方法需要有效解决冲突问题。研究国内外关于访问策略融合现有的研究工作中，其中一种方法来解决融合策略时出现的冲突就是使用数学上的逻辑运算。Rao将策略表达成一种数理逻辑代数式，并提出一个框架通过代数运算来表示融合的过程。而在框架里面，Rao使用XACML(eXtensibleAccessControlMarkupLanguage,可扩展的访问控制标记语言)来描述策略。它是一种基于XML的开放标准语言，它设计用于描述安全政策以及对网络服务、数字版权管理(DRM)以及企业安全应用信息进行访问的权限。在融合过程中，融合生成的新策略的结果，就是通过计算每条策略的数理逻辑的运算结果，并返回最终结果。而另一种方法解决融合策略出现的冲突就是重写查询语句或者生成全局映射模式。例如，一个查询语句Q可以被转化为Q’，而Q’所返回的结果集符合原来的数据集的安全策略。Hu使用基于语义的安全策略。通过本体映射和合并,查询语句将被重写成一类实体和属性名称，并且映射到本地查询。此外,本地策略可以映射到全局模式当中。Cruz将本地策略存储在XML中。并在融合过程中，将其转变成一个全局RDF方案。当两个访问策略合并时，本地模式转换为RDF模式，然后再合并成全局RDF模式。在webservice环境下，Alodib提出了访问控制策略服务，它将合并请求者、服务提供者和访问策略信息，以网络服务描述语言(WebServicesDescriptionLanguage，WSDL)进行描述。当访问策略进行合并时，则根据WSDL文件进行合并，取代当前的WSDL文件。根据上述融合数据的方法：(1)若将访问策略转化为数理逻辑运算，则当访问策略融合时，可能因用户属性不完整，出现结果值未知。因为属性不完整性或提供的信息不融合数据搜索的多级安全模型齐全，若使用数理逻辑运算极有可能返回的结果是未知。因为未知的结果，使得系统只能做出拒绝访问(因为保护最高隐私)，这在一定程度上影响系统的可用性。(2)若将访问查询语句重写或生成全局映射模式，当某个数据源需要修改访问策略时，则需要重新生成一个新的全局映射模式。
技术实现思路
为了解决上述技术问题，本专利技术的目的是：提供一种建立融合的速度快、安全性高的多级安全模型访问控制数据融合方法。本专利技术所采用的技术方案是：一种多级安全模型访问控制数据融合方法，所述多级安全模型访问控制数据的数据源基于BLP访问模型建立，包括有以下步骤：A、将原始格转换为Hasse图后进行合并，从而实现对格的融合；B、对数据源进行映射函数转换；C、对访问控制矩阵进行合并。进一步，所述步骤A包括有以下子步骤：A1、根据Hasse图之间的顶点的相等关系或支配关系添加顶点间的有向线段；A2、删除在冲突本文档来自技高网...

【技术保护点】
一种多级安全模型访问控制数据融合方法，所述多级安全模型访问控制数据的数据源基于BLP访问模型建立，其特征在于：包括有以下步骤：A、将原始格转换为Hasse图后进行合并；B、对数据源进行映射函数转换；C、对访问控制矩阵进行合并。

【技术特征摘要】
2016.01.21 CN 20161004147881.一种多级安全模型访问控制数据融合方法，所述多级安全模型访问控制数据的数据源基于BLP访问模型建立，其特征在于：包括有以下步骤：A、将原始格转换为Hasse图后进行合并；B、对数据源进行映射函数转换；C、对访问控制矩阵进行合并。2.根据权利要求1所述的一种多级安全模型访问控制数据融合方法，其特征在于：所述步骤A包括有以下子步骤：A1、根据Hasse图之间的顶点的相等关系或支配关系添加顶点间的有向线段；A2、删除在冲突路径中出现次数最多的一条关联线段，若在所有冲突路径中每条关联线段出现的次数相同，则删除在冲突路径中涉及的安全级别最高的关联线段；A3、对Hasse图中存在冗余的关联线段进行化简处理。3.根据权利要求2所述的一种多级安全模型访问控制数据融合方法，其特征在于：所述步骤A1具体为：若Hasse图之间的顶点为相等关系，则在两顶点之间添加两条互相指向的有向线段；若Hasse图之间的顶点为支配关系，则在两顶点之间添加一条由支配顶点指向被支配顶点的有向线段。4.根据...

【专利技术属性】
技术研发人员：赵淦森，陈凯俊，谭昊翔，唐华，王欣明，聂瑞华，汤庸，马朝辉，朱佳，陈梓豪，陈乐华，涂继来，
申请(专利权)人：华南师范大学，广州时韵信息科技有限公司，
类型：发明
国别省市：广东;44