基于模型检测的信息流策略安全性分析

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:hangcheng8351
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
分布式信息流控制是增强系统安全的一种有效方法,但其灵活性也增加了策略管理和分析的复杂性。策略的安全性分析判定系统的所有可达状态是否都能保持特定的安全属性,可以验证策略是否一致完备地满足安全需求。形式化定义了基于Kripke结构和计算树时序逻辑的信息流策略安全性分析问题,验证信息流允许、禁止和授权管理三类信息流安全目标,提出了分支限界和模型检测两种策略验证算法。实验结果表明,算法可有效验证分布式信息流控制系统是否满足特定安全需求,提高了分布式信息流控制的可用性。
其他文献
为了进一步改善目标用户的系统复杂度和训练效率,提出了一种改进的预补偿反向训练方法。发射方通过反向训练获得信道特性参数,利用该参数设计补偿系数,并使用该系数对发送信
针对现阶段模式识别与人工智能领域形式化概念分析理论的多样性、复杂性、分类不均衡等各种不足点,对概念格结构以及其代数系统进行了深入分析与比较。依次对认知信息学代数系统、N代数系统以及W代数系统进行了阐述与剖析,对比了各个不同形态概念代数的系统思想与方法特征,并对N代数系统进行了广义概念代数理论形式化证明,为不同领域内概念表达、应用与分析模型的有效构建提供了强有力的知识支撑。
移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。该算法利用节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。
针对传统递归神经网络中出现的网络结构与计算复杂性,提出了使用多分支递归神经网络学习算法,并将其应用到混沌时间序列预测领域。首先缩减了部分冗余的分支,只保留了节点与自身之间以及节点与代表以后时刻的节点之间的分支;然后使用规则导数代替惯用的一般偏导数,有助于同时反映权值对目标函数的直接影响和间接影响;最后使学习率根据学习情况进行动态调整,有助于加快学习算法的收敛速度。仿真实验表明,当参数的选取合理时,
针对一般检索算法在云计算环境下对大量加密数据不能有效进行多关键字检索的问题,提出了一种多项式函数结合隐私保护策略的检索算法。该算法可以进行有效的多关键字排列检索。首先,提出了一种基本策略,利用多项式函数隐藏加密的关键字;然后,寻找一种可以进行有效多关键字排列检索的模式。为了增强检索的保密性,提出了一种隐私保护策略,利用安全内积方法保护检索多关键字的私密性。最后,使用Enron电子邮件数据集作为实验
遥感影像配准中,由于光照、成像角度、几何变形等因素的影响,无论采用何种配准方法,总会产生误匹配点,因此误匹配点检测也是一个非常重要的步骤。针对常用RANSAC(random sampl