基于统计分析优化的高性能XACML策略评估引擎

摘要

云存储随时随地访问、一键分享与协作、多平台随时同步、无限空间、永久免费等优点使得新注册用户数一直都保持两位数的增长态势,云存储市场前景非常广阔。但是由于云存储服务还不太成熟、安全架构尚不健全,与传统的将敏感数据保存在本地相比,用户存在云端的敏感数据将面临很多无法控制的风险。最近几年云存储“泄密事件”非常频繁,安全隐患已阻碍云存储的大规模普及,如何保护用户敏感数据的机密性已成为云存储亟需解决的问题。
　　访问控制技术是保证云存储用户敏感数据安全的重要技术,基于属性的访问控制是在分布式应用的发展中被提出的一种新型访问控制模型,用于解决分布式应用下的访问控制问题,因而先天对云存储有更好的适应性。但随着系统在线用户和资源数量的不断增加,访问控制策略的结构越来越复杂,策略评估效率已成为制约系统可用性的关键瓶颈,亟需一种高效的评估引擎对海量用户的请求及时做出正确授权。
　　为提高分布式环境下策略评估引擎的效率,本文提出了新的策略评估引擎HPEngine。该引擎利用基于统计分析的策略优化机制动态精化策略,并将精化的策略由文本形式转化为数值形式;同时采用基于统计分析的多级缓存机制存储频繁调用的请求结果对、属性和策略信息。实验结果表明,HPEngine所采用的优化机制缩减了策略规模,降低了评估引擎和其他模块的通信开销,减少了匹配运算量,提高了匹配速度,整体评估效率优于其他同类系统。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 研究现状

1.3 研究现状存在的问题

1.4 研究思路

1.5 论文结构安排

第二章 OpenStack云平台基于属性的访问控制系统基本理论

2.1 OpenStack云平台介绍

2.2 ABE

2.3 XACML

2.4 统计分析

第三章 OpenStack云平台基于属性的安全增强云存储访问控制系统

3.1 设计思路

3.2系统总体方案

3.3 系统具体实现

3.4 系统演示

第四章 基于统计分析优化的高性能访问控制策略评估引擎

4.1 HPEngine引擎平台体系架构

4.2 HPEngine引擎平台具体实现

4.3 评估决策流程

第五章 实验与结果分析

5.1引擎技术比较

5.2实验环境

5.3 实验结果分析

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

硕士期间研究成果