14 آذر 1404
دانشگاه جیرفت
English
Elham Moeinaddini
مرتبه علمی:
مربی
نشانی:
جیرفت، کیلومتر 8 جاده بندر عباس، دانشگاه جیرفت
تحصیلات:
فوق لیسانس / علوم کامپیوتر
تلفن:
09352578625
دانشکده:
دانشکده فنی و مهندسی
پست الکترونیکی:
el_moin [at] yahoo [dot] com
صفحه نخست
فعالیتهای پژوهشی
مشخصات پژوهش
عنوان
بهبود چارچوب مجوز خودتطبیق و حل مشکل شروع سرد آن با استفاده از مفهوم اعتماد و sharing-I
نوع پژوهش
مقاله چاپ شده
کلیدواژهها
چارچوب مجوز خودتطبیق، اعتماد، شروع سرد، حمالت خودی، Sharing-I
پژوهشگران
Elham Moeinaddini، اسلام ناظمی
چکیده
سیستمهای مجوز بخش مهمی از سیستمهای امنیتی محسوب میشوند که وظیفه حفاظت از منابع را بهعهدهدارند. با افزایش کاربران در سازمانها، مدیریت زیرساختهای صدور مجوز بهطور فزایندهای زمانبر و مستعد خطا شده و پیکربندی نادرست سیاستها، اثربخشی این سیستمها را کاهش دادهاست. محققان، روشهای کنترل دسترسی پویا را به عنوان راهکاری مؤثری برای صدور م جووز در این سیستمها توصیه میکنند. از آنجا که منابع تصمیمگیری در این روشها، سیاستهای تعریف شده و سوابق کواربران ا سوت، بورای کاربران تازهوارد محدودیت خاصی در نظر گرفته نمیشود و این روشها با مشکل شروع سرد روبرو هستند. در این مقاله برای رفع این محدودیت از مفاهیم اعتماد و sharing-I استفادهشده و روش جدیدی برای بهبود چارچوب مجوز خودتطبیق (SAAF (به نوام ISAAF ارائهشده است. ISAAF چارچوبی برای کنترل خودتطبیق سیستمهای مجوز با استفاده از مدل مرجع خودمختار K-MAPE است کوه اعتماد کاربران تازهوارد را با استفاده از خصوصیات کاربرانی که با آنها ویژگی هوای م شوتر دار نود تخ موین میز نود. گوروه هوای -I sharingکه دربرگیرنده کاربران مشابه هستند، با توجه به نقش و ویژگیهای هویتی کاربران و بوا ا سوتفاده از خو شوهبندی means-K تشکیل میشوند. بهرهگیری از مفاهیم اعتماد و Sharing-I و گروهبندی کاربران با استفاده از نقش و ویژگیهای هوویتی آن هوا، بورای اولین بار در این مقاله پیشنهاد شده و نتایج تجربی حاکی از آن است که روش پیشنهادی در مقایسه با روشهای مشابه نتایج بهتری از حیث صحت یافتن کاربران مخرب و کاهش زمان فعالیت آنها در سیستم تولید میکند. مزیت دیگر این روش پیادهسازی عناصر حلقه K-MAPE و کاربران با استفاده از عاملها است که موجب استقالل و انعطافپذیری بیشتر سیستم موی شوود. در مقای سوه بوا SAAF ، ISAAF بهطور میانگین، زمان یافتن کاربران مخرب را 55 درصد کاهش داده و دقت شناسایی کاربران مخرب را نیز بویش از 7 در صود بهبود بخشیده است