Étude des architectures de sécurité orientées service
Bibliographic record
Abstract
L'adoption massive de l'architecture orientée service expose les systèmes d'information à de nouvelles formes d'attaque informatique. Paradoxalement, les besoins en matière de sécurité ne cessent d'augmenter et de se raffiner, notamment dans les systèmes de la santé où l'accès aux données des patients doit être géré à travers une multitude d'acteurs. Dans ce contexte, l'équipe du GRIL de l'Université Sherbrooke, en partenariat avec l'Université de Paris-Est Créteil, s'est penchée sur les problèmes d'expression et de gestion de politiques d'accès et a lancé le projet de recherche EB[indice supérieur 3]SEC. Ce dernier, basé sur les spécifications formelles, vise à assurer la sécurité des processus d'affaires des entreprises.L'objectif de ce travail est de définir et d'évaluer une architecture de référence permettant d'intégrer le projet EB[indice supérieur 3]SEC à une infrastructure de sécurité moderne orientée service. À cette fin, nous avons montré qu'EB[indice supérieur 3]SEC pouvait être employé à l'intérieur d'un modèle d'autorisation purement centralisé en ayant recours aux transactions distribuées afin de synchroniser l'état d'EB[indice supérieur 3]SEC avec celui des données de l'entreprise. Nos tests préliminaires nous ont également permis de suggérer que l'impact d'EB[indice supérieur 3]SEC sur la performance d'une infrastructure de sécurité orientée service était négligeable par rapport à la lourdeur de cette dernière.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".