數(shù)據(jù)網(wǎng)格安全若干關(guān)鍵技術(shù)研究.pdf

1、數(shù)據(jù)密集型計(jì)算的飛速發(fā)展對(duì)信息處理能力的要求越來(lái)越高，傳統(tǒng)的數(shù)據(jù)處理模式已不能滿足實(shí)際需求，數(shù)據(jù)網(wǎng)格的出現(xiàn)為解決大規(guī)模數(shù)據(jù)處理提供了一個(gè)良好的平臺(tái)。而安全是制約數(shù)據(jù)網(wǎng)格下各種應(yīng)用的瓶頸之一，本文在分析數(shù)據(jù)網(wǎng)格安全需求的前提下，結(jié)合傳統(tǒng)的網(wǎng)格安全機(jī)制，重點(diǎn)分析和解決了數(shù)據(jù)網(wǎng)格中角色訪問(wèn)控制機(jī)制、授權(quán)委托機(jī)制、攻擊檢測(cè)機(jī)制以及作業(yè)調(diào)度機(jī)制等若干關(guān)鍵技術(shù)問(wèn)題，主要工作如下所示：
　　 (1)針對(duì)數(shù)據(jù)網(wǎng)格環(huán)境中訪問(wèn)控制的動(dòng)態(tài)性，通過(guò)引入

2、主體事件和客體事件兩種上下文機(jī)制，在RBAC擴(kuò)展的基礎(chǔ)上，提出了基于上下文的RBAC(C-RBAC)模型。在C-RBAC模型中，分別定義主體事件和客體事件來(lái)反映對(duì)授權(quán)過(guò)程中的狀態(tài)轉(zhuǎn)換條件，通過(guò)對(duì)標(biāo)準(zhǔn)RBAC的形式化表達(dá)的基礎(chǔ)上進(jìn)行擴(kuò)展，詳細(xì)地描述了由主體事件引起的角色狀態(tài)改變和客體事件引起的權(quán)限狀態(tài)改變的具體實(shí)現(xiàn)過(guò)程，同時(shí)分析了該模型轉(zhuǎn)換過(guò)程中的一致性狀態(tài)，表明該模型在狀態(tài)轉(zhuǎn)換過(guò)程中能夠保持一致性。
　　 (2)為了解決數(shù)據(jù)網(wǎng)格

3、訪問(wèn)控制的動(dòng)態(tài)性問(wèn)題，本文在利用實(shí)體的信任度來(lái)動(dòng)態(tài)改變實(shí)體角色的基礎(chǔ)上，將信任機(jī)制融入網(wǎng)格社區(qū)授權(quán)服務(wù)中的基于角色的訪問(wèn)控制中，對(duì)基于角色的訪問(wèn)控制策略做一定的改進(jìn)，根據(jù)信任度評(píng)估算法算出網(wǎng)格實(shí)體的信任度，社區(qū)授權(quán)服務(wù)器能依據(jù)實(shí)體的信任度動(dòng)態(tài)改變實(shí)體的角色。通過(guò)基于信任度的動(dòng)態(tài)角色訪問(wèn)控制可以在一定程度上實(shí)現(xiàn)網(wǎng)格訪問(wèn)控制的動(dòng)態(tài)性，同時(shí)也避免了實(shí)體的欺騙行為，可以有效的達(dá)到在網(wǎng)格社區(qū)中對(duì)客戶端的訪問(wèn)控制的目的。最后從動(dòng)態(tài)性、可信任性、合理

4、性和準(zhǔn)確性等方面，分析了數(shù)據(jù)網(wǎng)格環(huán)境下應(yīng)用動(dòng)態(tài)角色訪問(wèn)控制的有效性。
　　 (3)針對(duì)數(shù)據(jù)網(wǎng)格計(jì)算環(huán)境下跨域授權(quán)過(guò)程的委托服務(wù)需求，在現(xiàn)有的RBDM和RT模型基礎(chǔ)上，結(jié)合主觀信任機(jī)制對(duì)委托過(guò)程進(jìn)行信任協(xié)商，實(shí)現(xiàn)角色和權(quán)限的授權(quán)委托過(guò)程。并給出了細(xì)粒度的授權(quán)委托策略，最后對(duì)委托過(guò)程中的主觀信任機(jī)制進(jìn)行仿真，證實(shí)了使用信任度實(shí)現(xiàn)對(duì)委托過(guò)程控制的有效性。
　　 (4)針對(duì)數(shù)據(jù)網(wǎng)格環(huán)境的特點(diǎn)，提出了一種基于協(xié)同學(xué)習(xí)的數(shù)據(jù)網(wǎng)格分布

5、式攻擊檢測(cè)算法。通過(guò)把構(gòu)造強(qiáng)網(wǎng)絡(luò)攻擊檢測(cè)器的協(xié)同學(xué)習(xí)技術(shù)引入數(shù)據(jù)網(wǎng)格，使用多個(gè)位于不同節(jié)點(diǎn)的獨(dú)立訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)協(xié)同檢測(cè)，并將特征檢測(cè)和異常檢測(cè)技術(shù)有機(jī)地結(jié)合起來(lái)，提出了基于協(xié)同學(xué)習(xí)的數(shù)據(jù)網(wǎng)格分布式攻擊檢測(cè)系統(tǒng)。仿真實(shí)驗(yàn)表明，BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器的協(xié)同檢測(cè)顯著地提高了檢測(cè)性能，比SVM檢測(cè)器和BP-SVM混合檢測(cè)器的誤檢率最大下降了約0.2％。同時(shí)基于協(xié)同學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)器提高了檢測(cè)準(zhǔn)確率，且降低了漏檢率。
　　 (5)設(shè)