[發明專利]一種適用于Hadoop的基于角色與信任的訪問控制方法

有效

• 申請號: 201711050032.2
• 申請日: 2017-10-31
• 公開（公告）號: CN107665315B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 于萬鈞;沈斌
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種適用于Hadoop的基于角色與信任的訪問控制方法，其特征在于，包括以下步驟：

S1，首次對Hadoop配置文件進行修改，增加配置文件用于保存用戶信任度、信任度與權限的映射關系以及計算信任度的算法代碼，其中配置文件都存放于硬盤中；

S2，讀取存儲于硬盤中的Hadoop日志文件，并將需要的數據轉化為Avro數據格式輸出并保存到HDFS中，根據預處理操作，得到用戶行為數據集behavior＝{clientID，type，timeStart，timeFinish，errorService，trust}，其中，各數據的含義為用戶標識，操作權限類型，操作開始時間，操作結束時間，是否有違規操作和當前用戶的信任度；

S3，讀取步驟S2中輸出的文件，通過CPU來調用計算信任度的函數，計算信任度并將計算結果保存在HDFS中；

S4，讀取用戶信任度，并和信任度與權限的映射關系對比來判斷用戶是否具有某一權限；

S5，若判斷用戶具有該權限，則將令牌發送給用戶；若判斷用戶不具有該權限，就將這次失敗申請記錄到日志文件中；

其中，用戶信任度的計算包括以下步驟：

其中，O_j表示隱藏層輸出數據，I_j是中間變量，經過一個Sigmod函數得到O_j；其中，O_i表示輸入數據，w_ij表示輸入層第i個神經元與隱藏層第j個神經元之間的連接權，θ_j表示偏向；

進行反向修正，輸入層誤差：Err_j＝O_j(1-O_j)(T_j-O_j)，其中T_j是真實值，O_j是預測值；隱藏層誤差：權重更新：w_ij＝w_ij+(l)Err_jO_i，其中l是學習度，人為規定的神經網絡算法的學習程度；偏向更新：θ_j＝θ_j+(l)Err_j；

如此往返迭代更新，直到滿足程序要求，輸出最后的信任度；

信任度的計算過程為：首先，定義w_ij、l以及隱藏層的層數，并且根據數據輸入得到x₁，x₂，…x_n，然后根據公式來求解一個O_j，即隱藏層輸出數據，最后，同樣用公式來求解O_k，即神經網絡算法的輸出結果，根據得到的用戶信任度去查詢信任度與權限的映射關系來獲得用戶擁有的權限。