Une approche evenementielle pour la description de politiques de controle d'acces
Bibliographic record
Abstract
Le controle d'acces permet de specifier une partie de la politique de securite d'un systeme d'informations (SI). Une politique de controle d'acces (CA) permet de definir qui a acces a quoi et sous quelles conditions. Les concepts fondamentaux utilises en CA sont : les permissions, les interdictions (ou prohibitions), les obligations et la separation des devoirs (SoD). Les permissions permettent d'autoriser une personne a acceder a des ressources. Au contraire les prohibitions interdisent a une personne d'acceder a certaines ressources. Les obligations lient plusieurs actions. Elles permettent d'exprimer le fait qu'une action doit etre realisee en reponse a une premiere action. La SoD permet de securiser une procedure en confiant la realisation des actions composant cette procedure a des agents differents. Differentes methodes de modelisation de politiques de controle d'acces existent. L'originalite de la methode EB3SEC issue de nos travaux repose sur deux points : (1) permettre d'exprimer tous les types de contraintes utilisees en CA dans un meme modele, (2) proposer une approche de modelisation basee sur les evenements. En effet, aucune des methodes actuelles ne presente ces deux caracteristiques, au contraire de la methode EB 3SEC. Nous avons defini un ensemble de patrons, chacun des patrons correspond a un type de contraintes de CA. Un modele realise a l'aide de la methode EB3SEC peut avoir differentes utilisations : (1) verification et simulation, (2) implementation. La verification consiste a s'assurer que le modele satisfait bien certaines proprietes, dont nous avons defini differents types. Principalement, les blocages doivent etre detectes. Ils correspondent a des situations ou une action n'est plus executable ou a des situations ou plus aucune action n'est executable. Les methodes actuelles des techniques de preuves par verification de modeles ne permettent pas de verifier les regles dynamiques de CA. Elles sont alors combinees a des methodes de simulation. Une fois qu'un modele a ete verifie, il peut etre utilise pour implementer un filtre ou noyau de securite. Deux manieres differentes ont ete proposees pour realiser cette implementation : transformer le modele EB3SEC vers un autre langage, tel XACML, possedant une implementation ayant deja atteint la maturite ou realiser un noyau de securite utilisant le langage EB3SEC comme langage d'entree.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.025 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".