基于区块链的分布式访问控制机制的设计与实现

来源 :重庆大学 | 被引量 : 0次 | 上传用户:JasonCrazy
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
近年来,随着云计算和物联网的迅猛发展,访问控制域中的节点呈现出海量性、动态性、异构性等特点。这使得传统访问控制集中式的授权模式,管理成本和维护压力巨大。同时因为所有访问授权都依赖中心化的可信实体进行的单一权限判决,有可能存在权限判决透明度的问题。此外,当单一的决策点发生故障时,将导致整个访问控制系统停止运转,所以也存在很明显的单点失败的问题。区块链作为一种分布式的技术范式,具有去中心化、不可篡改、公开透明等特点。这些独特的优势,非常适合解决传统访问控制模型中,授权模式中心化引发的问题。本文以基于属性的访问控制模型(ABAC)为基础,将区块链分布式的思路融入进来,提出了B-ABAC模型。在授权模式上进行分布式优化,依托智能合约与共识算法技术形成了一套分布式访问控制机制。并基于Hyperledger Fabric框架实现了分布式访问控制原型系统,验证了基于区块链的分布式访问控制机制的可行性。本文具体研究内容如下:(1)深入研究区块链技术与访问控制技术,将区块链技术的分布式思想融入到ABAC的访问控制模型中,提出基于区块链的分布式访问控制模型B-ABAC。(2)依托区块链的特性,重新设计分布式访问授权的流程。(3)使用智能合约技术管理模型中的属性与策略。(4)深入研究联盟链Hyperledger Fabric框架,将分布式访问控制机制在真实的区块链平台中进行验证,实现分布式访问控制原型系统。本文模型使用分布式决策网络代替原ABAC模型中的决策点,并用改进的共识算法对分布式决策网络进行共识维护,消除模型中单点失败的可能。访问策略与访问记录均保存在链上,由于链上的数据不会被篡改,使整个访问授权流程更加公开透明且便于审计,解决了单一权限判决透明度的问题。通过使用智能合约管理模型中的属性与策略,减少属性创建和策略制定时的人为干预,从而降低管理员维护时产生的风险和成本。通过对原型系统的测试,系统在吞吐量为40TPS的条件下,整个授权流程用时为1.5秒,可以满足大部分访问控制场景的需求。
其他文献
边界层(Planetary Boundary Layer,PBL)参数化方案的准确性会影响数值模式对近地面变量和大气低层热动力结构的模拟,这对雷暴等强对流天气的预报非常重要。但PBL方案内在的不确定性使得单一预报具有局限性。随机参数扰动(Stochastic Parameter Perturbation,SPP)方案是一种针对物理参数化方案中不确定的参数进行扰动的集合预报方法,从根源上表征了预报不
本文考虑了切换系统在两种反馈控制下的稳定性研究,并且将研究的结果运用到两级化学反应槽系统、飞控系统、升压变换电路系统中.第一章为本文主要结论的引出,预备了定义和引理.第二章研究了一类具有时变时滞的执行器饱和切换系统的耦合事件触发采样机制和基于观测器的输入反馈控制的稳定问题.对比一般的连续时间反馈控制,基于观测器的事件触发反馈控制的优势在于,其一可以进行非连续时间反馈控制,尤其是在应对系统状态信息不
随着信息技术的迅速发展和应用,海量数据蕴含的巨大价值吸引了诸多研究者的关注。低秩张量填充作为一种重要的数据分析工具,已经成为计算机视觉、人工智能和优化领域研究的热点问题。其主要对部分丢失、含有噪声或异常值的数据进行填充,在图像/视频修复、信号重建、数据挖掘等方面有重要的应用。然而,现有的低秩张量填充算法存在速度慢、能够处理的规模小等问题,使得不能发挥其作用和优势。另外,在很多应用中,实际数据的先验
本文利用1980—2017年国家气象信息中心提供的全国753站逐日降水资料、NCEP/NCAR逐日再分析资料、NOAA同期驱动轨迹模式HYSPLIT资料,首先对比研究了华南前汛期8个典型涝年和7个典型旱年的低频降水特征及其与低频水汽输送的同期和时间滞后关系,给出了低频降水预测参考信号,并用HYSPLIT模式验证。在此基础上,进一步研究南半球低频环流系统及越赤道气流对华南前汛期涝旱年低频降水的影响,
随着第五代(the fifth generation,5G)移动通信在世界范围内的不断发展,5G用户渗透率不断提升,与5G相关的创新型业务也将大幅增长。无线信道作为通信系统中的传输媒介对通信性能有重大的影响。5G和未来通信的发展离不开与相应无线通信环境相吻合的信道模型的研究。由于目前信道模型的仿真并不全面,并且很少有学者对当前的主流的信道模型做出全面客观的对比分析。因此本文结合当前主流的5G信道模
动态场景下的模糊图像是物体的移动、相机的晃动和失焦引起图像的模糊伪像,从而影响人们的视觉对详细图像信息的感知,图像去模糊已经成为图像复原中关键的技术之一。如何把动态场景下拍摄的模糊图像修复成清晰的图像是十分突出待解决的问题,目前随着深度学习技术的蓬勃发展,越来越多的方法可以将动态场景下的一幅模糊的图像通过卷积神经网络得到清晰的图像。动态场景下高清晰的图像,在消费电子、安全监控等领域有宽广的应用前景
特种串联机械臂是某特种试验中搭载模型的关键机构,承担着稳固模型位置及调整位姿的重要任务。含有大量构件和运动关节的串联机械臂不可避免的会受到各种误差因素的影响,这些误差则会反映在机构末端执行器的运动上,尤其是累积性的误差,会随着机构服役周期的增加不断叠加,甚至引起精度的失效。本文针对多误差因素耦合的情况,重点考虑累积性因素,分析特种串联机械臂运动精度及可靠性对误差的响应,并进行精度的分配与可靠度的优
木质纤维素生物质细胞壁主要由多糖和芳香聚合物木质素组成,这些聚合物已经进化成复杂的复合材料,使植物细胞壁具备一定的顽固性,阻碍了木质纤维素原料的利用。生物预处理作为一种比物理预处理或化学预处理更可持续的选择,正受到越来越多的关注,然而生物降解细胞壁背后的去木质素机制还远远没有被完全了解。本文以4.5年生毛竹(Phyllostachys edulis(Carrière)J.Houz)为试验材料,通过
随着移动互联网通信技术的快速发展,新型移动网络的应用和业务越来越多,传统的尽力而为的路由算法无法满足这些新应用和业务的网络服务质量(Quality of Service,QoS)需求。近年来,软件定义网络(Software-Defined Networking,SDN)的出现使网络管理变得更加灵活和高效,软件定义范式被应用于网络路由中,在很大程度上改善了网络的QoS,但是,基于软件定义范式的QoS
高精度的眼底视网膜血管病变特征影像可以极大地提高疾病诊断效率,而从彩色眼底图像中制作出一张高精度的视网膜血管影像需要专业医生投入大量的时间和精力进行手工标记。手工标记错误率高、主观性强,如果采用深度学习技术进行自动标注,则既能体现标注血管的客观性,又能提高医生的工作效率。然而,视网膜数据集中有标注的眼底图像样本量的不足使深度学习模型的泛化能力较差,影响了训练及分割的效果。为此,本文研究图像生成算法