针对访问控制策略的自动化生成问题，提出了一种基于深度学习的ABAC访问控制策略生成框架，从自然语言文本中提取基于属性的访问控制策略，该技术能够显著降低访问控制策略生成的时间成本，为访问控制的实施提供有效支持。将策略生成问题分解为访问控制语句识别和访问控制属性挖掘两项核心任务，分别设计了 BiGRU-CNN-Attention和 AM-BiLSTM-CRF这 2个神经网络模型来实现访问控制策略语句识别和访问控制属性挖掘，从而生成可读、可执行的访问控制策略。实验结果表明，与基准方法相比，所提方法具有更好的性能。特别是在访问控制策略语句识别任务中平均F1-score指标能够达到0.941，比当前的state-of-the-art方法性能提高了4.1%。
2022-03-08 16:28:47
869KB
1