基于角色的访问控制模型（RBAC）是近年来大数据领域访问控制技术研究的热点之一。在构建RBAC访问控制模型系统时,角色的创建是最核心也是最关键的部分。利用人工来对系统进行分析和角色创建需要耗费大量的人力,同时需要非常专业的网络安全知识,而利用现有的一些精确角色挖掘算法也会存在诸如生成角色集合过大、耗费时间过长的问题。近似角色挖掘算法的提出能有效解决上述的部分问题,但同样会存在着受数据噪声影响、重要角色或权限丢失、近似系数难以确定的一系列问题。本研究的目的是结合数据噪声处理方法,对近似角色挖掘算法进行一定的改进,使其能够在一定的程度上抵抗数据噪声、重要角色或权限丢失的影响,并结合研究给出近似系数的建议值算法。针对数据噪声影响,采用基于合规度的噪声数据检测理论来进行噪声数据的识别,设计了去噪声近似角色挖掘算法,使近似角色挖掘算法能在角色挖掘的过程中动态识别并纠正噪声数据。针对重要角色或权限在近似挖掘算法中可能会丢失的问题,分析了映射数据特点和挖掘算法的缺陷,结合用户-权限映射关系嵌入度与角色集合的映射关系,设计了重要角色挖掘算法,用于解决近似角色挖掘中重要角色或者权限丢失的问题。并基于此算法给出了近似角色挖掘算法中近似系数δ的估算方法,用于降低普通近似角色挖掘算法需要在没有参考条件的情况下提前设定δ值所产生的干扰。通过对上述问题的解决,提出了抗干扰近似角色挖掘算法,用于在一定程度上改进近似角色挖掘中出现的干扰问题,并给出了基于该算法的RBAC系统架构模型。相较于普通近似角色挖掘算法,该算法能有效降低数据噪声影响,并且能在一定程度的人工干预下保留部分重要角色及权限,使其不会被算法丢失。