当前位置：文档之家 › 基于数据敏感性的大数据访问控制模型研究

基于数据敏感性的大数据访问控制模型研究

  • 格式：pdf
  • 大小：1.66 MB
  • 文档页数：8

ComputerEngineeringandApplications计算机工程与应用2019，55（23）

1引言

人类大约每两天就要产生5EB字节不同格式的数

据[1]。工业界和学术界使用了大量的大数据应用来储存

和处理庞大数据量的各种数据，从各种来源收集数据的

组织由于安全漏洞和敏感信息泄露而面临法律或商业

责任的风险。非结构化数据是大数据集的重要组成部

分。与结构化数据相比，非结构化数据能够展现更丰富

的信息[2]。大数据集合中单一数据价值通常不大，多种数据聚集起来则价值很高，这意味着泄露或滥用包含多

种数据集的集合将造成更严重的损失。所以，针对大数

据这些特点设计高效的访问控制模型是必要而迫切的。

Hadoop现有的访问控制模型利用Kerberos协议对

用户身份进行验证，结合访问控制表（AccessControl

List，ACL）的授权机制与令牌配合实现对集群中用户的

访问控制[3]。该访问控制模型实质是一个静态的关口式

模型，只能实现文件级的访问控制，敏感信息只能通过基于数据敏感性的大数据访问控制模型研究

王静宇，栾俊清，谭跃生

内蒙古科技大学信息工程学院，内蒙古包头014010

摘要：最近大数据的增长正在引发安全和隐私问题，传统的访问控制模型难以对海量数据提供动态的访问控制。

针对Hadoop云平台的数据安全问题，提出了一个基于数据敏感性的Hadoop大数据访问控制模型。模型利用数据

内容、使用模式和数据敏感性来强化访问控制策略，在评估数据敏感性上用户干预最小，能根据数据集的增加和删

除所引起的数据敏感性变化来调整访问控制策略。实验结果表明，该模型能够以较少的开销增强对非多媒体数据

集的访问控制，解决了现有Hadoop平台中访问控制模型安全性的不足。

关键词：大数据；Hadoop；访问控制；隐私保护

文献标志码：A中图分类号：TP309doi：10.3778/j.issn.1002-8331.1808-0345

王静宇，栾俊清，谭跃生.基于数据敏感性的大数据访问控制模型研究.计算机工程与应用，2019，55（23）：70-77.

WANGJingyu,LUANJunqing,TANYuesheng.Researchonbigdataaccesscontrolmodelbasedondatasensitivity.

ComputerEngineeringandApplications,2019,55（23）：70-77.

ResearchonBigDataAccessControlModelBasedonDataSensitivity

WANGJingyu,LUANJunqing,TANYuesheng

SchoolofInformationEngineering,InnerMongoliaUniversityofScience&Technology,Baotou,InnerMongolia

014010,China

Abstract：Recentgrowthinbig-dataisraisingsecurityandprivacyconcerns.Traditionalaccesscontrolmodelscannot

providedynamicaccesscontroltomassivedata.InviewofthedatasecurityproblemofHadoopplatform,acontentsensi-

tivitybasedaccesscontrolmodelisproposed.Themodelenhancesaccesscontrolpoliciesbyharnessingthedatacontext,

usagepatterns,anddatasensitivity.Theproposedmodelevaluatesdatasensitivitywithminimaluserinterventionand

adjustsaccesscontrolstrategiesbasedonchangesindatasensitivitycausedbydatasetadditionsanddeletions.Experi-

mentalresultsshowthattheproposedmodeliscapableofenforcingaccesscontrolpoliciesonnon-multimediadatasets

withminimaloverheadandovercomesthedisadvantageonlackingofsecurityaboutexistingaccesscontrolmodelin

Hadoopplatform.

Keywords：bigdata;Hadoop;accesscontrol;privacyprotection

基金项目：国家自然科学基金（No.61662056）；内蒙古自然科学基金（No.2016MS0609，No.2016MS0608）。作者简介：王静宇（1976—），男，博士，副教授，研究领域为云计算、信息安全，E-mail：13734728816@qq.com；栾俊清（1993—），男，硕士生，研究领域为云计算、信息安全；谭跃生（1959—），男，教授，研究领域为云计算、高性能计算、大规模数据处理与挖掘。收稿日期：2018-08-20修回日期：2018-12-06文章编号：1002-8331（2019）23-0070-08CNKI网络出版：2018-12-21,http://kns.cnki.net/kcms/detail/11.2127.TP.20181219.1055.014.html702019，55（23）

手动或从提供的信息中识别[4]。由于数据的类型不同，

手动识别敏感数据非常复杂。当未经授权的用户访问

敏感信息或被授权人员滥用敏感信息时，极有可能造成

隐私泄露。因此，有必要建立一个能够根据数据敏感性

的动态模型，使得访问权限的授予过程转化为实时动态

的控制过程。

访问控制不是应对数据安全威胁的银弹，但却是目

前公认的保护数据安全的重要手段之一[2]。文献[5]针

对远程医疗环境提出了基于XML的访问控制系统，并

进行了有效性和效率分析。姚志菊等[6]提出了一种灵活

安全的针对企业数据存储的访问控制模型，为云存储平

台中的主体和客体增加了结构属性，实现对用户对企业

数据的访问控制，王于丁等[7]提出了一种基于角色和属

性的云计算数据访问控制模型，但是这两种对传统访问

控制模型的改进并不能够适应大数据环境的应用。

Chen等[8]提出了一个基于多标签的大数据可扩展访问

控制，使用多标签来保护患者健康记录，数据拥有者必

须先决定标签。Yang等[9]提出了一种云计算中大数据

动态策略更新的访问控制模型，该模型不需要重新加密

和传输数据就可允许数据所有者改变数据访问策略，从

而减轻通信和计算负担。Jing等[10]提出了基于用户行为

评估的动态访问控制模型，由于其模型较为复杂，不能

有效地与现有Hadoop平台结合。Yuan等[11]基于密文策

略属性加密（CP-ABE）提出了一种用于云计算中大数据

的细粒度访问控制机制，该方案能够提供细粒度的访问

控制，并实现数据拥有者对数据共享策略所做的更改。

杨宏宇等[12]提出一种基于用户行为评估的Hadoop云平

台动态访问控制模型，利用前向轮廓建立全局K模型，

对后续行为序列进行分类并对分类结果进行评估，使访

问权限随自身行为动态改变。Zeng等[13]提出了一个基

于内容的Hadoop访问控制模型，并在文献[14]中给出了

形式化定义，模型将用户已有文本的内容进行相似度分析，进而进行访问控制判断。其过程分为初始授权部分

和基于基础集的授权，第一步用户将被预分配一个基础

集，记录了用户开始有权访问的数据，而第二步则会根

据基础集与客体之间的相似度进行访问控制判断，同时

更新基础集。但是，提前定义涵盖所有可能的类型和组

合的基础数据集并不现实，若没有基础数据集，则该模

型将无法保护敏感数据。这严重限制了模型的有效性

和适用性。

针对上述问题，本文提出了一个自动化的基于数据

敏感性的访问控制模型（DSBAC），该模型可以在没有

基础数据集的情况下评价数据敏感性，进而执行访问控

制决策。模型根据信息增益估算数据敏感性，根据信

息敏感性执行访问控制决策，当多个数据集合并使用

时，将导致整个数据集敏感性发生变化，本文提出的

DSBAC模型可以应对这种变化来动态地调整访问控制

策略，更好地识别和保护敏感数据，提高Hadoop平台的

安全性。

2基于数据敏感性的访问控制模型

基于数据敏感性的访问控制模型中包含的各个模

块如图1所示，访问策略文档用于记录用户的角色敏感

度及允许用户访问的数据项对应的敏感度，管理员有权

调整访问策略文档中数据项的敏感度。元数据生成器

生成用于数据清理和其他用途[15]的数据集的结构化和

描述性元数据。数据使用跟踪器跟踪用户正在使用的

数据。数据相似性分析器元数据和使用模式识别出多

个数据集中的相似数据项。

2.1数据敏感性评估器

数据的敏感性评估器如图2所示，建立了一个熵模

型来计算数据的敏感度并设计了数据敏感性评估器。

图3显示了某一时段系统的访问状态数据敏感性模型

的示例图。图中节点可以是用户选择的若干数据集，也

用户

管理员敏感信息数据相似性指数

数据敏感性评估器结果请求访问控制器数据使用跟踪器JobQueue

Hadoop集群

数据相似性分析器数据使用模式访问策略文档资源管理器（RM）NameNode

DataNode1&NodeManager1DataNoden&NodeManagern

元数据生成器

元数据来源跟踪器

来源信息

图1基于数据敏感性的访问控制模型王静宇，等：基于数据敏感性的大数据访问控制模型研究71ComputerEngineeringandApplications计算机工程与应用2019，55（23）

可以由特定数据集组成。如果信息增益较低或者在此

之前无数据项，则由管理员定义其敏感度。

2.2数据敏感性模型

数据敏感性模型根据熵评估的数据敏感性，元数据

生成器用于确认储存在HDFS中所有数据项。数据使

用跟踪器用于跟踪用户使用的数据集。根据这些信息，

将存储在HDFS中的数据抽象为图3所示的数据敏感性

模型图。图中的节点表示用户、数据集和数据项，边表

示使用模式。

在图3中节点表示为：Ui表示一个用户节点i，Di表示用户访问的数据集i，Ri表示用户访问的数据项

的集合，Ri,j是集合或关系Ri中的一个具体的数据项j

节点之间的边表示，CUi,Di表示用户Ui对数据集Di的

访问数，dDi,Rj,k表示访问的数据集i中到集合Ri中的

一个具体数据项k的边，dRi,j,Rm,n表示数据集i中的具体

数据项j到数据集合Rm中的一个数据项n的边。

命题1在数据敏感性模型中，从Di的节点开始，到Dj结束的边表示数据集被合并使用。

证明对于一个涉及多个数据集的合并使用请求，

当存在边dD1,Ri,j,…,dDN,Rm,n，将访问的请求Di连接到

数据集中的数据项Ri。根据相似性指数存在边dRi,j,Rm,n连接多个数据集中的相似数据项，通过循环路径可从数

据集Di追溯到自身。

命题1表示用户可以访问的连接中的数据项，可通

合集下载

大数据平台数据访问安全控制策略研究

大数据平台数据访问安全控制策略研究

龙源期刊网

大数据平台数据访问安全控制策略研究

作者：邓伟奇

来源：《中国管理信息化》2017年第22期

[摘 要]大数据时代的到来使数据成为人们的重要资产之一。为了更好地使用大数据，数据的有偿或者无偿共享将会逐渐成为趋势。其中，针对大数据平台进行统一访问入口，集中管理账号权限以及集中提供大数据平台操作界面就成为了保证大数据平台访问安全的手段。据此，本文在简要分析现阶段大数据平台数据访问中存在的安全问题的基础上，对大数据平台访问控制方法进行了研究，希望能够提高大数据平台访问安全性。

[关键词]大数据平台；数据；访问；安全

doi：10.3969/j.issn.1673 - 0194.2017.22.092

[中图分类号]TP309；TP333 [文献标识码]A [文章编号]1673-0194（2017）22-0-02

0 引 言

大数据是IT行业的一大颠覆性技术变革，以Hadoop为核心的大数据平台在互联网、金融、运营商中得到了广泛使用，并且影响巨大。根据我国《大数据市场现状调研与发展趋势分析报告（2015-2020年）》显示，在这5年中，全球大数据技术和市场服务增长率将达到31.7%。调查资料显示，我国的大数据市场在2015-2017年保持着60%以上的增长速率，表明大数据时代已经到来。

1 大数据平台业务行为安全

Hadoop来自开源社区，并由其发展壮大，但是十多年来，一直缺乏安全相关的组件以及考虑，多数用户是依靠自己的力量维护该架构的安全。现阶段大数据平台存在的安全问题主要有以下3个方面。

1.1 访问授权控制问题

在访问控制系统中，哪些资源能够被用户访问是由管理员控制的，但是资源本身过于庞大，针对每条资源设置访问权限本来就是一种繁琐的工作。尤其是面对那些规模巨大、来源复杂的数据时，管理员更难实施授权管理操作，所以为了保证用户的系统使用感，有些大数据是面向全部用户开放的。例如，在各大运营商中，用户每月的消费情况是可以被运营商市场部的营销人员访问的，但是哪部分消费情况可以被哪类营销人员查看就属于“过度授权”的范畴，由龙源期刊网

大数据平台上基于属性的角色访问控制模型

大数据平台上基于属性的角色访问控制模型

大数据平台上基于属性的角色访问控制模型3500

摘要：随着计算机技术的不断发展与普及，大数据已经在社会经济的各个领域发挥不可忽视的作用。然而，在面对大数据平台海量用户时数据安全成为了首要考量的问题之一。传统动态访问控制数据量巨大，需要对其进行有效的多层访问控制进行合理区隔后配合其他管理手段，从而实现有效的安全防控。本文以角色访问控制为手段，探究此种分层访问控制框架的制定与应用。

关键词：大数据；角色属性；访问控制；数据安全

大数据是现阶段互联网应用的主要技术之一，已经在越来越多的行业内产生一定的经济效益。其中不乏有政府机关、金融机构、商务平台等敏感领域。这些领域内对于数据安全性的要求相对较高。在传统的平台安全策略中采用较为灵活的动态控制方式予以校正。但是在面对大数据的海量用户时，服务器很难承担此种校正方式。为此，研究基于属性的角色访问控制模型有助于对大数据系统内的用户进行分级管理，并做到有效的安全控制。

一、模型的选取与建立

在大数据安全控制实践体系中用用ARAC模型相对普遍，此种控制策略允许设计方通过对不同参数调取来获取客户的基本属性，并按照属性的类别差异来进行有效的分类。从核心体系上来看，在经过了计算机的自动交互分类基础上，大数据平台上的海量用户被合理分割为不同的若干群体，而针对不同群体间的安全特性来给予不同方式与等级的效验模式，从而达到综合降低平台系统负载的根本目的。

在模型的设计实践中其一般包括了如下几个核心部分：第一，用户，该群体是平台所需要面对的全体用户单元，一般用U来进行表示；第二，用户组，是经过适当区分后所形成的用户单元，一般用G来表示；第三，角色，用户组内的实际用户经过了系统初步判断与分配后所形成的用户集合，一般用R来表示；组件，认证的基本方式，一般用C来进行表示等。通过上述单元内的基本构建形成

了大数据平台上针对角色属性判断的不同认证方式，进而构建出本文所探讨的ARAC模型。

一种基于域数据模型的访问控制方法研究

一种基于域数据模型的访问控制方法研究

第２５卷第１Ｏ期　

２００８年１０月　计算机应用与软件　

Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　ａｎｄ　Ｓｏｆｔｗａｒｅ　Ｖ０１．２５　Ｎｏ．１０　

Ｏｅｔ．２００８　

一种基于域数据模型的访问控制方法研究　

韩月娟　赵　雷　杨季文　吕　强　

（苏州大学计算机科学和技术学院江苏苏州２１５００６）　

（苏州大学教育技术与信息中心江苏苏州２１５００６）　

摘　要　根据企业中数据的特点，提出了一种新的数据模型——域数据模型。这种数据模型可以很好地支持企业中数据的访问　

控制，利用这一点，结合ＲＢＡＣ模型，建立了一种基于域数据模型的访问控制模型ＲＢＡＣＩｎＤＤＭ。它是ＲＢＡＣ建议标准模型在域数据　

模型中的扩展，利用它可以方便地实现访问控制，并支持对企业数据进行细粒度的访问控制。　

关键词　域数据模型访问控制　ＲＢＡＣ　

ＲＥＳＥＡＲＣＨ　ｏＮ　ＡＮ　ＡＣＣＥＳＳ　ＣＯＮＴＲｏＬ　ＭＥＴＨｏＤ　ＢＡＳＥＤ　ｏＮ　ＤｏＭＡＩＮ　ＤＡＴＡ　ＭＯＤＥＬ　

Ｈａｎ　Ｙｕｅｊｕａｎ　・　Ｚｈａｏ　Ｌｅｉ　Ｙａｎｇ　Ｊｉｗｅｎ　Ｌｉｉ　Ｑｉａｎｇ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｏｃｈｏｗ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ　２１５００６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）　

（Ｃｅｎｔｅｒ　ｏｆＥｄｕｃａｔｉｏｎ　Ｔｅｅｈｎｏｌｏｇ）ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ，Ｓｏｏｃｈｏｗ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｖ．ｚｈｏｕ　２１５００６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ　Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｏｆ　ｄａｔａ　ｉｎ　ｅｎｔｅｒｐｒｉｓｅｓ，ａ　Ｄｏｍａｉｎ　Ｄａｔａ　Ｍｏｄｅｌ　ｉｓ　ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ　ｃａｎ　ａｆｆｏｒｄ　ｔｈｅ　ａｃｃｅｓｓ　ｃｏｎｔｒｏｌ　ｏｆ　

ｄａｔａ　ｉｎ　ｅｎｔｅｒｐｒｉｓｅｓ　ｗｅｌ１．Ｃｏｍｂｉｎｇ　ｗｉｔｈ　ＲＢＡＣ　ｍｏｄｅｌ，ａｎ　ａｃｃｅｓｓ　ｃｏｎｔｒｏｌ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　Ｄｏｍａｉｎ　Ｄａｔａ　Ｍｏｄｅｌ　ｕｓｉｎｇ　ＲＢＡＣ（ＲＢＡＣＩｎＤＤＭ）ｉｓ　ｅｓ・　ｔａｂｌｉｓｈｅｄ．Ｉｔ　ｉｓ　ａｎ　ｅｘｔｅｎｓｉｏｎ　ｏｆ　Ｐｒｏｐｏｓｅｄ　ＮＩＳＴ　ｓｔａｎｄａｒｄ　ｆｏｒ　ｒｏｌｅ・ｂａｓｅ　ａｃｃｅｓｓ　ｃｏｎｔｒｏｌ　ｉｎ　Ｄｏｍａｉｎ　Ｄａｔａ　Ｍｏｄｅｌ，ａｎｄ　ｂｙ　ｕｓｉｎｇ　ｉｔ，ｔｈｅ　ａｃｃｅｓｓ　ｃｏｎｔｒｏｌ　

大数据平台数据访问安全控制策略研究 2

大数据平台数据访问安全控制策略研究 2

156

/ CHINA MANAGEMENT INFORMATIONIZATION2017年11月第20卷第22期中国管理信息化China Management InformationizationNov.,2017Vol.20,No.22

业进行分析，企业通过这些关联数据，分析提炼出对自己企业有用的信息，继而制定企业战略，防范风险。图2　数据挖掘的网络信息安全防范模型其次，使用Web数据挖掘技术对网络信息进行分类分析。企业应将所有的信息进行综合，然后按照一定的指标分出类别，并对这些不同类别的信息进行整理，方便后续的检索。该项功能主要依靠人工智能来完成，以保证资料能够得到完整的利用。再次，使用Web数据挖掘技术对网络信息进行聚类分析。企业应将这些具有共同点的信息进行分类，将这些数据分成各个小组，但每一个小组都要有一个共同的类似点，以便于从整体对局部进行分析。最后，利用Web数据挖掘技术，根据收集到的资源信息的不同点进行分类，分类后根据这些不同点的特征，分析出对自身企业有用的信息。从整体上说，Web数据挖掘技术通过运用其强大的分析能力，可对网络信息进行筛选、整合，企业可再根据这些整合出来的资源信息，为自身制定战略，为企业发展提供一个良好的网络信息环境。4 结　语网络技术在给用户带来便利的同时，也给用户的信息安全造成了极大的威胁，科技进步，黑客技术也在不断进步，为了使信息得到最大的保护，网络信息的安全技术要随着科技的进步不断发展，为互联网的运用提供一个完善安全的网络系统。本文通过Web数据挖掘技术，将网络信息安全防范与该技术进行有效整合，提高了我国企业的网络信息安全度，以为我国企业的发展提供一个良好的环境。主要参考文献［1］刘波.浅谈数据挖掘技术在临床医学领域中的应用［J］.电子世界,2017(12).［2］赵炬红,陈坤彦.基于数据挖掘技术的茶叶营销策略分析［J］.福建茶叶,2017(5).［3］崔道江,陈琳,李勇.智能检索引擎中的网络数据挖掘技术优化研究［J］.计算机测量与控制,2017(6).［4］王珣.基于Spark平台的大数据挖掘技术研究［J］.微型电脑应用,2017(6).0 引　言大数据是IT行业的一大颠覆性技术变革，以Hadoop为核心的大数据平台在互联网、金融、运营商中得到了广泛使用，并且影响巨大。根据我国《大数据市场现状调研与发展趋势分析报告（2015-2020年）》显示，在这5年中，全球大数据技术和市场服务增长率将达到31.7%。调查资料显示，我国的大数据市场在2015-2017年保持着60%以上的增长速率，表明大数据时代已经到来。1 大数据平台业务行为安全Hadoop来自开源社区，并由其发展壮大，但是十多年来，一直缺乏安全相关的组件以及考虑，多数用户是依靠自己的力量维护该架构的安全。现阶段大数据平台存在的安全问题主要有以下3个方面。1.1 访问授权控制问题在访问控制系统中，哪些资源能够被用户访问是由管理员控制的，但是资源本身过于庞大，针对每条资源设置访问权限本来就是大数据平台数据访问安全控制策略研究邓伟奇（北京普元云动科技有限公司，北京　100080）［摘　要］大数据时代的到来使数据成为人们的重要资产之一。为了更好地使用大数据，数据的有偿或者无偿共享将会逐渐成为趋势。其中，针对大数据平台进行统一访问入口，集中管理账号权限以及集中提供大数据平台操作界面就成为了保证大数据平台访问安全的手段。据此，本文在简要分析现阶段大数据平台数据访问中存在的安全问题的基础上，对大数据平台访问控制方法进行了研究，希望能够提高大数据平台访问安全性。［关键词］大数据平台；数据；访问；安全doi：10.3969/j.issn.1673 - 0194.2017.22.092［中图分类号］TP309；TP333 ［文献标识码］A ［文章编号］1673-0194（2017）22-0156-02［收稿日期］2017-10-20 /