【摘 要】
：
针对传统RBAC模型中存在用户角色指派的模糊性、用户授权认证决策的单一性及角色数量与管理的冲突等问题,提出一种结合属性与可信度的改进型RBAC授权模型——TA-RBAC模型。该模型通过增加对用户及所在平台的可信性认证,使得传统模型的认证方式得到了完善,保证了系统授权过程更为安全可靠;同时利用可信度和属性概念对传统模型的授权机制进行了扩展,通过用户认证可信度指派相应的系统角色,实现了动态的用户角色指
【机 构】
：
陕西师范大学计算机科学学院,湘西民族职业技术学院计算机系
论文部分内容阅读
针对传统RBAC模型中存在用户角色指派的模糊性、用户授权认证决策的单一性及角色数量与管理的冲突等问题,提出一种结合属性与可信度的改进型RBAC授权模型——TA-RBAC模型。该模型通过增加对用户及所在平台的可信性认证,使得传统模型的认证方式得到了完善,保证了系统授权过程更为安全可靠;同时利用可信度和属性概念对传统模型的授权机制进行了扩展,通过用户认证可信度指派相应的系统角色,实现了动态的用户角色指派;在权限指派过程中引入属性实现对象激活操作,有效地减少了角色的设置数量并实现了更细粒度的授权。最后给出
其他文献
本研究旨在探究高职公共英语教材听力部分难度设计对学生英语焦虑的影响。本研究以我院三个班的高职新生（共138名）为研究对象，采用在第一学期上半学期和下半学期使用难度不同的
提出一种约束非负矩阵分解方法用于解决欠定盲信号分离问题。非负矩阵分解直接用于求解欠定盲信号分离时,分解结果不唯一,无法正确分离源信号。在基本非负矩阵分解算法基础上,对分解得到的混合矩阵施加行列式约束,保证分解结果的唯一性;对分解得到的源信号同时施加稀疏性约束和最小相关约束,实现混合信号的唯一分解,提高源信号分离性能。仿真实验证明了算法的有效性。
为了有效地盲估计出混沌直扩序列,利用神经网络能无限任意逼近非线性函数的特点,设计了一种改进型的基于神经网络盲估计混沌扩频序列的方法,该方法增加了信号盲分离模块。仿真结果表明,该方法无须搜索信息码与扩频序列之间的同步点,即使是在较低信噪比的条件下,仍能有效地从噪声背景中盲分离出混沌扩频信号,并盲估计出原始混沌序列。
为了降低Two-way中继系统中断概率,提出了一种Two-way中继系统中基于最小化中断概率的功率分配策略。首先推导了Two-way中继系统中断概率的闭合表达式,然后在总功率受限的条件下,提出了一种最小化中断概率的最优功率分配策略(OPA),通过拉格朗日乘数法对该优化模型进行了求解。仿真结果证明了该策略能够有效降低系统的中断概率,提高系统性能。
为了进一步改善高负载状况下服务质量的性能,在原有的IEEE 802.11e增强型分布式协调功能的基础上,提出了一种基于竞争窗口动态自适应调整的算法。该算法首先采用时隙利用率因子估计网络当前负载状况,然后在不同优先级下根据时隙利用率动态调整竞争窗口,降低了信道接入的竞争,提高了网络的性能。仿真实验表明,该算法在保证实时业务要求的同时,能够有效降低时延,显著提高无线局域网的吞吐量。
针对基本鱼群算法收敛速度慢和在算法运行后期搜索盲目性较大等问题,给出了一种改进的鱼群算法。该算法采用可变视野,在搜索的后期使用随机步长,并给出了局部最优人工鱼移动策略,较好地平衡了全局搜索和局部搜索能力;在假设目标函数分布未知的情况下,规范了人工鱼的各种行为,给出了明确的收敛条件。最后,结合蜂窝网中以功率值作为测量参数的无线定位问题,给出一种基于人工鱼群算法的分布式定位方法。仿真实验表明,该方法实
立足于隐式浏览信息难以获取的实际,首先定义能够描绘用户心理和行为的隐式兴趣度表达公式;接着得到了用户对产品类的兴趣度,从而得到了基于兴趣度的用户聚类分析结果。该研究不仅从一定程度上解决了用户信息获取的难题,也为推荐系统中的算法研究和推荐输出研究奠定了基础。
蜂群算法已被证明其效率高于多数传统优化算法,但是对于不可分离变量的函数则优势不明显。为平衡单维更新与整体更新,避免算法在某一方面开采过深陷入局部最优,通过计算单维开采成功率动态地控制参数limit,提出了一种单维更新和整体更新交替进行的混合算法。该算法在整体更新阶段采用基于试探机制的粒子群算法,避免种群飞向错误的方向。采用多种不同类型的基准函数对改进算法进行测试,数值实验结果验证了该算法的有效性。
针对单混沌系统因计算机有限精度效应产生的混沌退化问题,提出了一种多级混沌映射交替变参数的伪随机序列产生方法。该方法基于一维Logistic映射和二维Henon映射,用交错变参的Logistic映射的混沌迭代值的汉明重量来控制Henon映射输出的混沌迭代分量。生成序列通过仿真表明,符合Golomb三个随机性公设要求及局部随机性统计检验要求,可作为密钥流序列应用到加密体制中。
为了平衡运动估计中搜索算法的复杂度与搜索精度,基于双模式算法的思想,提出一种结合基于改进的粒子群算法(PSO)和十字搜索算法(ARPS)的双模式运动搜索算法。该算法对不同运动程度的图像采用不同的运动搜索算法(运动剧烈时采用PSO算法,运动平缓时采用ARPS算法),有效地结合了PSO的全局性特点以及ARPS的局部性特点,同时保持了ARPS的快速性。实验表明,该算法的整体性能高于传统的单模式运动估计算