【摘 要】
：
工业4.0之后,IIo T（工业物联网）的发展成为我国工业转型升级的关键途径,为了解决工业物联网环境下的访问控制问题,提供安全性更好的访问控制方案是十分重要的。基于区块链的访问控制是目前分布式访问控制的有效解决方案,且在工业物联网中也有许多探索。为解决上述问题,本文提出一种结合Hyperledger Fabric区块链架构的分布式ABAC（基于属性的访问控制）访问控制方案,同时基于LSTM（长短期
论文部分内容阅读
工业4.0之后,IIo T（工业物联网）的发展成为我国工业转型升级的关键途径,为了解决工业物联网环境下的访问控制问题,提供安全性更好的访问控制方案是十分重要的。基于区块链的访问控制是目前分布式访问控制的有效解决方案,且在工业物联网中也有许多探索。为解决上述问题,本文提出一种结合Hyperledger Fabric区块链架构的分布式ABAC（基于属性的访问控制）访问控制方案,同时基于LSTM（长短期记忆网络）提出一种预测ABAC访问控制策略中环境属性的方法,使得用户可以获取最低限度的访问权限,从而增加工业物联网环境的访问安全。在工业物联网的复杂环境下,ABAC相较于其他访问控制规则可以提供数量更少、粒度更细的访问控制;区块链与ABAC的结合,可以有效解决集中式访问控制的性能与安全上的限制;使用带签名的Token作为资产进行转移,可以对工业物联网复杂环境中各类设备以及应用进行访问,同时可以保证离开区块链网络交互的安全性;使用LSTM进行环境属性的预测可以进一步对用户访问进行限制,动态满足最小权限授予要求。此外,本文还基于上述方案实现了基于区块链的细化分布式ABAC访问控制管理系统。测试结果表明,本方案结合区块链可在大规模请求环境中保持高吞吐量,在分布式条件下高效达成共识,授权记录可追溯不可篡改;相较于前人的方案具有更高的安全性以及更细的策略粒度,且利用带签名的Token可以在一次ABAC验证后携带主客体以及环境属性限制脱离区块链进行访问,有效降低区块链系统负载同时保证访问安全性。
其他文献
飞行器是指可以在太空或者大气层内飞行的人造器械,主要可以分为三类:航空器、航天器、火箭和导弹。飞行器产品的技术含量高、集成度高、研发成本高;因此,现代应用环境愈加需要飞行器产品在满足高性能指标要求的前提下,能够进行针对气动外形的快速设计和智能优化,以期在最快实现最佳气动性能的同时,尽可能地降低研发成本。为开展高性能指标要求下的飞行器气动外形的快速设计和优化研究,可采用数值模拟反馈构型优化的思路,首
目的 探讨去甲肾上腺素（NE）联合多巴酚丁胺用于脓毒性休克的效果，并分析其对患者血流动力学的影响，为临床提供参考。方法 选取2020年1月至2021年1月万宁市人民医院收治的84例脓毒性休克患者为研究对象，按照随机数字表法分为对照组和观察组，各42例。对照组患者经中心静脉泵入多巴酚丁胺，观察组患者在对照组基础上加用NE。比较两组患者的治疗效果和不良反应，比较两组患者治疗前后的急性生理学与慢性健康状
随着军事科技的不断进步,人工智能技术已经出现在不少国家的军事装备领域,特别是在防空领域,随着各种超高音速装备的不断出现,对指挥员根据战场形势快速决策的能力有非常高的要求,未来战争中人脑很可能不足胜任此类工作,而人工智能技术以其庞大的算力可以很好的应对大规模数据分析工作,因此考虑在该领域采用AI技术做一些探索。由于该场景的特殊性,我们无法获取更多的战场数据,但是虚拟塔防游戏以其特殊的游戏机制,高度契
场景流是定义在连续场景间的3D运动场,快速而准确的估计场景流可以得到连续场景间的运动信息,对机器人技术和自动驾驶任务有重要的意义。点云场景流估计的传统方法一直有耗时长、准确度不够的问题,而基于深度学习的点云场景流估计方法表现出更加出色的性能。在该领域的探索中,从连续点云中回归出场景流依然存在很多挑战。本文简单的将场景流任务分为匹配和回归两个过程,在匹配过程中的问题包含如何增大匹配范围、提高匹配准确
目的 对心源性休克采用去甲肾上腺素与多巴酚丁胺联合治疗的效果进行观察。方法 选取本院82例心源性休克患者，时间2020年3月至2021年3月，根据随机抽签法将患者分为对照组（41例，多巴酚丁胺）与观察组（41例，多巴酚丁胺+去甲肾上腺素），对两组疗效、不良反应等指标进行比较。结果 观察组疗效（95.12%），明显较对照组（73.17%）高，差异有统计学意义（P＜0.05）；两组不良反应发生情况比较
随着高校毕业生就业难问题越发突出,如何有效地预测毕业生的就业情况越来越受到大学生和就业指导部门的关注。更好地引导高校毕业生选择合适的就业发展方向,不仅是对我国人才资源的有效利用,也是对我国教育事业的一大推动。在当前的就业预测中,学习成绩作为关键特征,在就业预测中起着决定性作用。而大多数研究主要使用平均学分绩点（GPA）和自编码器来表示学习成绩,这两种方法可以很好的解决成绩的异质性和成绩矩阵的稀疏性
多元关系存在于各种领域中,可以给人类探索这些领域提供有效的帮助。例如医药领域中的生物反应关系可以帮助人们寻找对抗疾病的药物,检测社交网络中的虚假新闻传播关系可以帮助人们避免流言和欺诈。然而目前大多数的深度图学习算法专注于使用二元关系对图进行表征,或是将多元关系拆解成多个二元关系来考虑。使得表示学习结果遗漏或是完全缺少多元关系信息,得出错误的结果或是影响模型的效果。为了解决以上的问题,本文设计并研究
最先进的语义分割方法需要足够的标记数据才能获得良好的结果,并且在没有微调的情况下很难在看不见的类上工作。因此,为了解决这个问题,提出了小样本语义分割,通过快速学习少量带有真值掩码的样本,从而适应训练集中未出现过的新类别。本文提出的方法分为三个部分,第一个部分为特征迭代优化模块,因为现有的小样本语义分割方法主要采用全局池化操作来生成原型特征,这种操作会使网络完全放弃当前对象的空间布局,简单的混合来自
虚拟仿真技术从20世纪初就开始发展了,近几年由于虚拟仿真技术的进一步发展,诞生出了很多仿真建模平台技术,从最先的集中式仿真建模平台到后来的组件化仿真建模平台,再到如今的分布式仿真建模平台应用的持续落地。说明了该项技术能够把现代软件工程思想很好的转换为需求开发到实际的应用中去,雷达作为一个精密且昂贵的电子探测设备,在现实中直接研究其性能和评测分析不仅测试成本高,而且在真实环境中运输和部署难,这些无疑
随着深度学习的飞速发展,卷积神经网络在处理图像分类任务时的准确率已经超越了人类。虽然神经网络具有出色的性能,但是大多数神经网络的结构需要专家进行手工设计,整个设计过程不仅十分依赖专业的机器学习知识,而且需要漫长的试错过程。因此,神经网络结构自动化搜索成为了研究热点,然而多数搜索出的神经网络对于硬件设备的计算能力具有较高的要求。与此同时,随着移动互联网的快速发展,将图像分类神经网络部署在移动设备和嵌