The poor usability of OpenLDAP Access Control Lists
Notice bibliographique
Résumé
Abstract The usability of Access Control Lists (ACLs) of a widely used enterprise software for directory information services called OpenLDAP is addressed. A directory service is used to store a variety of data such as employee information and passwords, and can be seen as a critical infrastructure component of an enterprise. Security and in particular, access control of such data is of paramount importance, and OpenLDAP provides ACLs for this purpose that an administrator can configure. The usability, that is, the ease with which a human administrator can express a policy in an ACL, is then an important issue because misconfigurations are known to be a major cause of security vulnerabilities. Motivated by public pronouncements regarding the poor usability of OpenLDAP ACLs, a systematic study towards evaluating their usability is carried out. The authors begin with a cognitive walkthrough, which identifies the broad issues, which then informs the design of an ethics‐approved study of 50 human participants. This study reveals that indeed, even with a limited syntax, adequate training and a focus only on devising a policy from scratch, OpenLDAP ACLs suffer from poor usability. The data gathered from this study is analysed further, and more detailed observations are made such as those regarding the difference in difficulty for different kinds of policy goals, and the nature of errors human participants make with OpenLDAP ACLs. As such, this work makes an important contribution to enterprise security and provides important insights for a (re)design of ACLs, in particular for OpenLDAP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».