IJCAIMay, 2022

利用约束编程和图形表示学习生成可解释的云安全策略

PDF
TL;DR本文提出了一种基于约束编程和图表示学习的新型 IAM 框架，通过减少无关数据存储访问权限等优化 IAM 策略，并对 IAM 策略进行解释和分类，以减少安全攻击的影响。
cloud securityidentity access management (iam)constraint programminggraph representation learningsecurity attacks
发现论文，激发创造
  • 利用人工智能规划检测云安全漏洞

    云计算服务、安全漏洞、访问控制策略、PDDL 模型和亚马逊 AWS 云配置是本研究的五个关键词，该研究提出了一个通用框架来表达云系统中不同云对象之间的关系，以建立访问控制策略，并使用 PDDL 模型检测安全漏洞，从而测试 14 个真实的亚马逊 AWS 云配置中的安全性漏洞。

    Feb, 2024

  • SoK: 从高层自然语言需求生成访问控制策略

    通过对 49 篇文献的系统文献综述分析，我们找到了那些工具、框架及其限制，以提高其可用性和可靠性，从而开发有效的访问控制策略生成解决方案，避免访问控制失效。

    Oct, 2023

  • 通过答案集编程生成叙述来探索隐私政策的后果

    使用 ASP（Answer Set Programming）的框架，将隐私政策形式化为叙事规划空间上的约束，并通过 HIPAA 的范例演示如何使用该系统来询问可能性并确定给定事件序列中违反法律条款的内容。

    Dec, 2022

  • 智能电网中基于云计算的物联网数据获取的高效和安全实现

    本文提出了一种基于 CP-ABE 的高效安全数据采集方案，通过将数据分块并按顺序使用相应的访问子树进行加密，从而实现了数据加密和数据传输的并行处理，同时采用阈值秘密共享方法保护访问树信息，实现了对敏感且大量的电网数据的安全采集和传输，该方案经过形式化分析证明能够满足智能电网中基于云支持的 IoT 的安全需求，数值分析和实验结果表明与其他流行的方法相比，我们的方案能够有效降低时间成本。

    Oct, 2018

  • 基于知识图谱奖励引导强化学习的用户权限推理方法 KGRGRL

    通过知识图谱和强化学习方法建立了多领域网络空间权限推理模型，结果表明，该模型可以成功推理用户权限并提高其智能水平，同时比传统的 TransE 方法表现更好。

    May, 2022

  • 在互动约束获取中学习学习

    通过使用概率分类模型指导交互式约束获取，以生成更有前景的查询，本研究通过收缩约束获取与机器学习的联系来缓解查询数量的限制。在不同分类器的实验评估中，本方法远超过现有技术，减少了收敛所需的查询数量最多达 72%。

    Dec, 2023

  • 从数据中挖掘约束条件的整数线性规划框架

    本文提出了一种用于从数据中挖掘约束条件的一般框架，该框架以整数线性规划问题的形式考虑结构化输出预测中的推断，然后通过估计可行集的外部和内部多面体来挖掘底层约束条件，并在各种合成和现实应用中验证了所提出的约束挖掘算法。

    Jun, 2020

  • 命令行界面风险建模

    使用机器学习算法，本文探讨了在云计算中，如何隐藏敏感数据以保障系统的安全性，同时允许非特权个体维护这些系统，并以 Azure PowerShell 作为范例进行研究。通过将这一问题映射至自然语言处理等领域，本文已经使用 F5 分数作为加权指标说明不同的转换技术。

    Jan, 2023

  • 圣杯 2.0：从自然语言到约束模型

    利用预训练的大型语言模型从文本问题描述中提取模型的可能方法，并通过基于分解的提示方法与 GPT 模型展示了早期结果。

    Aug, 2023

  • 基于本体论和知识图谱的语义数据流程图集及其安全分析

    本文提出一种基于知识图谱和本体的自动化方式来分析云计算系统的安全威胁模型，并探讨该方法在现代敏捷开发环境中的应用挑战。通过使用包含 180 个语义图的本体，建立了基于 Docker Compose 的云配置数据流程图，并评估本体和知识图谱用于自动识别图谱中的安全威胁。

    Mar, 2023