基于授权视图的细粒度访问控制方法

基于授权视图的细粒度访问控制方法

论文摘要

随着数据库技术的应用越来越广泛,使用数据库用户数量的增多以及数据内容敏感程度的加强,数据库的安全也变得更加重要。为了保证数据库中的数据不受到非授权用户的查看和修改,必须控制用户对数据实施的访问控制。本文对国内外访问控制的研究现状进行了综合分析,重点对在数据库层次实施细粒度访问控制的问题进行了研究。首先,介绍了访问控制的含义以及与其它一些安全技术服务的联系,深入分析了目前国内外对访问控制技术的研究现状,指出其中存在的不足。其次,分析了细粒度访问控制的需求和实现机制,并且列举了两个已有的模型:虚拟专有数据库VPD(Virtual Private Database)和Truman模型,分析两者的优缺点。再次,分析了SQL中授权机制,对查询的类别进行准确的分类,提出条件有效查询,设计了一种新的访问控制模型框架,然后,通过推理规则集来检测一个查询的有效性,从而判断该用户是否被授权,扩展一个现有的查询优化器实施访问控制的检测,证实技术上的可行性。同时,将查询包含的观点引入授权视图中,提出一个更高效的有效性检测方法,分析了合取查询的无条件有效查询的判断策略,提出一个条件有效查询判断的算法,并分析算法复杂度以及如何使用这个算法解决包语义下的条件授权,对于集合语义下的条件授权也提出一个全新的方法。最后,在Hippocratic数据库系统上,构造细粒度约束语言,实现行、列和信元级别上的访问控制,给出细粒度访问控制的算法,证明了算法的正确性和完备性,最后在模拟数据环境中,对细粒度算法进行测试。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.1.1 访问控制的含义
  • 1.1.2 访问控制和其它安全技术服务关系
  • 1.2 研究现状
  • 1.3 研究意义
  • 1.4 本文的研究内容
  • 1.5 本文结构
  • 第2章 细粒度访问控制方法概述
  • 2.1 细粒度访问控制的需求
  • 2.2 细粒度访问控制的实现机制
  • 2.3 细粒度访问控制的实施层次
  • 2.4 ORACLE 的虚拟专有数据库
  • 2.4.1 安全策略实施的原理
  • 2.4.2 VPD 的创建过程
  • 2.4.3 安全策略实施组件的介绍
  • 2.5 TRUMAN 模型
  • 2.5.1 相关概念的介绍
  • 2.5.2 Truman 模型实施细粒度访问控制方法
  • 2.6 VPD 和TRUMAN 模型的优缺点
  • 2.6.1 两者的优点
  • 2.6.2 两者的缺点
  • 2.7 本章小结
  • 第3章 基于授权视图的细粒度访问控制模型
  • 3.1 引言
  • 3.1.1 无条件有效查询
  • 3.1.2 条件有效查询
  • 3.2 基于授权视图的细粒度访问控制模型
  • 3.2.1 模型基本框架
  • 3.2.2 实施细粒度访问控制的基本步骤
  • 3.3 有效性检测
  • 3.3.1 基本推理规则集
  • 3.3.2 完整性约束的推理规则集
  • 3.3.3 条件有效的推理规则集
  • 3.4 推理规则的实施
  • 3.4.1 基本推理规则的实施
  • 3.4.2 复杂推理规则的实施
  • 3.4.3 有效性检测的优化
  • 3.5 本章小结
  • 第4章 授权视图和条件查询包含
  • 4.1 引言
  • 4.2 无条件查询包含
  • 4.2.1 基本定义
  • 4.2.2 CQ 的无条件包含
  • ?的无条件包含'>4.2.3 CQ?的无条件包含
  • AC 的无条件包含'>4.2.4 CQAC的无条件包含
  • 4.3 条件查询包含
  • 4.3.1 一个必要条件
  • 4.3.2 Q′的构造
  • 4.3.3 Q″的构造
  • 4.3.4 算法总结
  • 4.3.5 复杂度分析
  • 4.4 条件授权
  • 4.4.1 使用视图回答查询
  • 4.4.2 集合语义下的条件授权
  • 4.4.3 包语义下的条件授权
  • 4.5 本章小结
  • 第5章 细粒度访问控制的实现
  • 5.1 引言
  • 5.2 语言的构造
  • 5.2.1 行约束
  • 5.2.2 列约束
  • 5.2.3 信元约束
  • 5.3 实验算法及性能分析
  • 5.3.1 实施细粒度的算法
  • 5.3.2 实验性能分析
  • 5.4 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间承担的科研任务与主要成果
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].基于深度记忆网络的在线评论细粒度情感分类[J]. 电子制作 2020(01)
    • [2].电商评论中细粒度主题情感混合模型建构[J]. 商业经济研究 2017(24)
    • [3].基于外观的复合属性学习的细粒度识别[J]. 数据采集与处理 2016(06)
    • [4].一种利用语义相似特征提升细粒度情感分析方法[J]. 计算机应用与软件 2017(03)
    • [5].普适环境中细粒度可信管理框架的研究[J]. 测控技术 2017(05)
    • [6].超细粒度氧化钇生产的新工艺分析[J]. 科技创新与应用 2016(06)
    • [7].数字图书馆细粒度知识体系标准研究[J]. 图书馆学刊 2016(07)
    • [8].大数据与灵魂[J]. 当代教育家 2016(12)
    • [9].适用于电网调控系统的细粒度多机冗余机制的设计与实现[J]. 计算技术与自动化 2019(04)
    • [10].基于联合优化多任务学习的细粒度图像识别[J]. 陕西理工大学学报(自然科学版) 2019(06)
    • [11].细粒度情感分析研究综述[J]. 图书情报工作 2017(05)
    • [12].基于微博的细粒度情感分析[J]. 数据分析与知识发现 2017(07)
    • [13].超细粒度砂轮制备技术研究现状[J]. 金刚石与磨料磨具工程 2013(02)
    • [14].面向服务的高可用细粒度的身份认证平台实现[J]. 信息技术与信息化 2019(12)
    • [15].深度学习框架下微博文本情感细粒度研究[J]. 计算机系统应用 2020(05)
    • [16].基于深度残差网络的番茄细粒度病症识别[J]. 内蒙古科技大学学报 2020(03)
    • [17].基于深度迁移学习的微型细粒度图像分类[J]. 光电工程 2019(06)
    • [18].基于姿态的判别属性学习及在细粒度识别中的应用[J]. 南京师大学报(自然科学版) 2017(01)
    • [19].RBAC细粒度组的权限管理模型的分析与设计[J]. 硅谷 2011(05)
    • [20].基于用户组和细粒度权限的RBAC模型[J]. 湛江师范学院学报 2011(06)
    • [21].细粒度信任链研究方法[J]. 计算机科学 2008(09)
    • [22].基于本体特征的影评细粒度情感分类[J]. 计算机应用 2020(04)
    • [23].基于深度学习的铁路行人细粒度检测[J]. 计算机与数字工程 2020(06)
    • [24].网络学术文档细粒度关联与聚合的信息组织机制研究[J]. 现代情报 2019(12)
    • [25].网络口碑对产品销量的影响:基于细粒度的情感分析方法[J]. 管理评论 2017(01)
    • [26].基于细粒度演化超网络的股票预测[J]. 江苏大学学报(自然科学版) 2017(03)
    • [27].一种社交网络中细粒度人脸隐私保护方案[J]. 信息网络安全 2017(08)
    • [28].关系数据库细粒度访问控制设计与实现[J]. 华中科技大学学报(自然科学版) 2010(10)
    • [29].基于RBAC的细粒度访问控制方法[J]. 计算机工程 2008(20)
    • [30].面向方面记忆网络的IT产品细粒度情感分析[J]. 计算机工程与应用 2020(03)

    标签:;  ;  ;  ;  ;  

    基于授权视图的细粒度访问控制方法
    下载Doc文档

    猜你喜欢