随着互联网技术的高速发展,极大地促进了社会的发展,人们越来越多的使用互联网从中获得信息并产生数据,所以目前数据量呈现指数级的增长,进入了大数据时代。然而在使用这些数据的同时也带来了很多甚至是新的安全风险和挑战。在众多访问控制模型中,目前应用最多的一种访问控制技术是基于角色的访问控制(Role-Based Access Control,RBAC)。它将角色引入到访问控制中,打破用户与权限之间的逻辑关系,重新建立用户与角色,角色与权限之间的关系,通过操作角色来实现用户权限的分配和撤销。通常可以利用数据挖掘技术自动、快速地构造角色集,以辅助构建RBAC系统。然而随着信息技术及网络技术的发展,传统的数据挖掘技术由于信息技术的复杂性的原因,挖掘出数据中会存在大量的冗余的属性角色信息,这反而增加了系统属性角色复杂性以及权限管理的难度。20世纪80年代德国的Wille R.教授提出形式概念分析(Formal Concept Analysis,FCA),它的核心数据结构就是概念格。概念格作为一种工具,由于其具有的一些特点在角色挖掘方面有很大的优势。本文以概念格及RBAC相关理论性质为基础,研究基于概念格的角色最小化问题,本文的主要工作如下:(1)概念格具有数学完备性,能将数据自动化聚类为概念并建立起相应的概念层次模型。然而访问控制需要层次化,同时也需要对主客体及其属性进行分组类。所以概念格和RBAC模型有天然的对应关系。通过概念格与RBAC的对应关系将概念格引入到RBAC模型中,得到基于概念格的RBAC模型。(2)研究形式背景的属性约简和对象约简,对形式背景进行约简相当于对数据集进行一次预处理,可以得到约简的概念格,有效地降低构造概念格的时间以及后续最小角色集算法的时间。并通过实例验证形式背景的约简对最终的结果没有影响。(3)研究了概念格的分层性质,将概念格的分层与基于概念格的最小角色集算法结合,提出一种基于概念格分层的最小角色集算法,该算法根据经典的Bellman-Ford算法(求最短路径算法)改写的,首先遍历整个概念格对概念格进行分层,求得概念格各个节点的层号,对每个节点进行标签,然后再进行查找算法寻找到最小角色集。(4)验证算法的有效性和准确性。通过仿真实现与经典的最小角色集查找算法进行对比,实验结果表明本文算法消耗时间更小,准确性也有略微的提高,由此可见本文提出的算法是可行有效的。