基于聚类和重排序的XACML策略评估优化方法

摘要

针对目前XACML存在的策略评估效率低下的问题,从规则聚类和规则重排序两方面对XACML策略做出了优化。依据访问控制规则间的相似度,采用基于密度的规则聚类算法,将大规模策略集分解为多个小规模的规则簇。计算中心将访问请求转发到相似度最高的规则簇,规则匹配器搜寻访问请求适配的规则,从而避免访问请求全量遍历策略集。基于规则优先度,采用规则重排序算法将高优先级规则置于簇内前端,并遵循“首次出现优先”的规则合并算法搜索适配规则,减少访问请求与规则的比较次数。实验结果表明,提出的策略优化方法能够有效提高XACML策略评估性能,与SUNXACML、SBA-XACML相比有较大提升。