云环境下基于细粒度角色的访问控制模型研究的中期报告.docx

云环境下基于细粒度角色的访问控制模型研究的中期报告
本次研究的目的在于提出一种新的基于细粒度角色的访问控制模型，以解决云环境下访问控制复杂性和安全性问题。本次报告主要介绍研究的背景、目的、研究现状、研究方法、研究进展和下一步计划。
一、研究背景和目的
随着云计算的普及，越来越多的企业和个人将应用程序和数据存储在云平台上，如何保护云平台中的数据安全成为了云计算研究领域中一个重要的问题。访问控制是保护云平台中数据安全的重要手段，但由于云平台中数据和用户众多，访问控制变得更加复杂，传统的RBAC模型和ABAC模型已经难以满足实际需求。因此，本研究旨在提出一种新的基于细粒度角色的访问控制模型，以提高访问控制的精细性和灵活性，实现云平台中数据的有效保护。
二、研究现状
目前，访问控制的研究分为三个层次：基于身份的访问控制、基于角色的访问控制和基于策略的访问控制。其中，基于角色的访问控制模型是最为常见的一种。然而，基于角色的访问控制仍有一些局限性：一方面，角色的粒度较粗，难以满足复杂的访问权限需求；另一方面，角色的定义较为静态，难以适应动态的访问场景。近年来，国内外学者提出了一些新的基于角色访问控制的模型，例如RBAC(X)、ARBAC和PBAC等模型。但这些模型仍然未充分解决访问控制的问题，需要进一步发展。
三、研究方法
本研究提出的基于细粒度角色的访问控制模型旨在解决访问控制粒度粗和定义静态的问题。该模型将角色进一步划分为多个细粒度角色，并通过定义角色之间的管辖关系和相互依赖关系，实现安全策略的动态调整。
该方法的主要实现步骤为：首先，将角色划分为多个细粒度角色；其次，定义角色之间的管辖关系和相互依赖关系；最后，通过将角色状态加入安全策略的条件集中，实现安全策略的动态调整。
四、研究进展
在研究过程中，我们首先进行了细粒度角色的划分，构建了一个架构，该架构包括多个细粒度角色及其管辖关系和相互依赖关系。然后，我们设计了基于该架构的安全策略，将角色状态加入了安全策略的条件集中，实现了安全策略的动态调整。最后，我们基于AWS云平台进行了实验验证，并与传统的RBAC模型进行了比较分析，结果表明该模型在访问控制精细性和灵活性方面具有显著优势。
五、下一步计划
在未来的研究中，我们将进一步完善细粒度角色的划分机制，通过机器学习技术实现角色的自动划分，并在各种应用场景中进行验证。同时，我们将探索在移动云平台中应用此模型，并提高模型的实际可用性。