随着信息化技术的发展,海量数据的出现亟需我们关注其安全问题,访问控制技术作为信息安全中重要的环节,一个适用于海量资源环境下的访问控制技术对于保障海量数据安全非常重要。然而海量资源环境下的数据和以往的静态数据不同,这些数据通常呈现规模巨大、高速到达、数据异构等特点。海量资源环境场景的不同也导致访问控制技术有所区别,本文主要就云场景和海量业务环境这两个典型的海量资源环境的进行了研究,提出了适用于海量资源环境的认证和授权方案以及系统实现。本文做出的研究内容如下:(1)提出了一个基于数据流风险评估的动态访问控制模型。云环境作为典型的海量资源环境场景,存储了海量的资源,并且还需要向外部环境提供资源服务、存储服务、计算服务等。然而云内部环境的动态性和不可控的外部环境都为云中的访问控制技术带去了挑战,传统的基于静态规则的访问控制技术已经无法满足云中的安全需求,因此本文针对云环境的动态性特点,将用户请求的上下文历史环境视为数据流,利用数据流检测方法对当前请求进行风险评估,最后将风险评估结果和策略规则评估结果综合对用户进行综合决策。该方法能适应云环境中的动态性,提高云环境中访问控制的安全性。(2)提出了一个基于序列异常检测的动态授权策略。海量业务环境和云环境不同,作为海量资源环境下的另一种场景,在这类场景下,访问控制技术更关注用户的任务和资源的授权关系。因此本文就海量业务下基于任务的授权管理不完善的问题,提出了一个基于序列异常检测的动态授权策略。该模型通过将用户历史任务形式化为序列,以历史正常的任务请求序列模式来对当前任务请求序列进行检测,从而实现对任务的动态授权。(3)在公安大数据平台上,设计了统一安全管理平台,并在该平台中采用本文提出的基于数据流风险评估的动态访问控制和基于序列的动态授权策略,实现了用户的动态认证和授权。并对统一安全管理平台的信息管理模块、数据预处理模块、身份认证和动态授权模块、以及策略库更新模块进行了详细设计描述。展示了相关的系统界面截图,通过系统的实际应用效果验证了本文提出模型的可用性。