多域环境下具有动态适应性的多级安全模型

doi:10.3778/j.issn.1002-8331.2008.22.037

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (22): 124-128.DOI: 10.3778/j.issn.1002-8331.2008.22.037

多域环境下具有动态适应性的多级安全模型

葛方斌¹,杨林²,王建新²

1.解放军理工大学指挥自动化学院，南京 210007
2.中国电子系统工程研究所，北京 100039

收稿日期:2007-07-23 修回日期:2008-04-14 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 葛方斌

Multi-level security model with dynamic adaptation in multiple domains systems

GE Fang-bin¹,YANG Lin²,WANG Jian-xin²

1.College of Command Automation，PLA University of Science and Technology，Nanjing 210007，China
2.Institute of China Electronic System Engineering，Beijing 100039，China

Received:2007-07-23 Revised:2008-04-14 Online:2008-07-11 Published:2008-07-11
Contact: GE Fang-bin

摘要/Abstract

摘要： 针对BLP模型在实施灵活性方面的不足以及不能满足多域分层系统访问控制需求的实际，提出了BLP的扩展模型——DMDBLP模型。模型中引入了域概念，将访问控制区分为域内和域间两种情况，适应了多域环境的需求。同时，在模型中增加了敏感标记的动态调整机制，提高了访问控制的灵活性。对模型的分析表明，模型的访问控制不仅是灵活的，也是安全的。

关键词: BLP模型, 域, 敏感标记, DMDBLP模型

Abstract: Because BLP model is deficient in respect of flexibleness of implementation and cannot satisfies access control demand of layer systems with multiple domains，DMDBLP model which is the development of BLP model is proposed.Concept of domain is introduced in the model.Access control is divided into two types—that in a domain and that between domains，which is adaptive for the multiple domains environments.In addition，the mechanism of adjusting sensitivity labels dynamically is appended.The flexibleness of access control is enhanced.The analysis to the model indicates that the access controls of the model are flexible and secure.

Key words: BLP model, domain, sensitivity label, DMDBLP model

葛方斌¹,杨林²,王建新². 多域环境下具有动态适应性的多级安全模型[J]. 计算机工程与应用, 2008, 44(22): 124-128.

GE Fang-bin¹,YANG Lin²,WANG Jian-xin². Multi-level security model with dynamic adaptation in multiple domains systems[J]. Computer Engineering and Applications, 2008, 44(22): 124-128.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	徐承志，万方. 两级邻域采样的孪生网络在流形学习中的应用[J]. 计算机工程与应用, 2021, 57(9): 233-239.
[3]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[4]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[5]	雍玖，王阳萍，党建武，雷晓妹. 改进TLD与ORB的AR系统长时跟踪注册方法[J]. 计算机工程与应用, 2021, 57(7): 178-184.
[6]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[7]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[8]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[9]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[10]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[11]	杨锶齐，易尧华，汤梓伟，王新宇. 嵌入注意力机制的自然场景文本检测方法[J]. 计算机工程与应用, 2021, 57(24): 185-191.
[12]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[13]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[14]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[15]	赵鹏飞，李艳玲，林民. 结合胶囊网络的领域适应意图识别[J]. 计算机工程与应用, 2021, 57(21): 188-194.

多域环境下具有动态适应性的多级安全模型

Multi-level security model with dynamic adaptation in multiple domains systems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics