申请/专利权人：桂林电子科技大学

申请日：2020-11-09

公开（公告）日：2024-04-02

公开（公告）号：CN112446038B

主分类号：G06F21/60

分类号：G06F21/60;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要：本发明公开了一种基于矩阵分解的访问策略智能化生成方法，通过授权数据集构建用户‑文件访问矩阵；随机置换访问矩阵的行和列；随机生成属性矩阵和策略矩阵并设置多种参数；利用小批量梯度下降法训练属性矩阵和策略矩阵，计算前后两次训练后目标函数之差的绝对值，并利用阈值法判断是否停止训练；根据属性矩阵和策略矩阵计算预测矩阵；为预测矩阵的每一个文件向量计算一个安全阈值；最后根据策略矩阵和安全阈值制定相应的访问策略，本发明通过对已有授权数据集的学习，构建智能化的访问策略生成方法，大大减少了制定访问策略所需的人工开销，有利于ABE密文访问控制机制在大规模网络场景中的推广应用。

主权项：1.一种基于矩阵分解的访问策略智能化生成方法，其特征在于，包括以下步骤：获取授权数据构建用户文件访问矩阵，并随机置换所述访问矩阵中的行和列；基于分解维度将所述访问矩阵进行分解，并利用小批量梯度下降法对属性矩阵和策略矩阵进行训练；利用阈值法判断训练后的所述属性矩阵和所述策略矩阵的目标函数差值；根据训练后的所述属性矩阵和所述策略矩阵计算出预测矩阵，并根据得到的安全阈值得到对应的访问策略；基于分解维度将所述访问矩阵进行分解，并利用小批量梯度下降法对属性矩阵和策略矩阵进行训练，包括：基于分解维度，将行列置换后的所述访问矩阵随机分解为属性矩阵和策略矩阵，同时构建目标函数，并设置缺失值权重、正则项系数、学习率、梯度下降阈值和批量大小；利用小批量梯度下降法对所述属性矩阵进行训练，然后计算所述属性矩阵阈值，并根据属性阈值将所述属性矩阵二值化；利用阈值法判断训练后的所述属性矩阵和所述策略矩阵的目标函数差值，包括：计算出训练后的所述属性矩阵的所述目标函数和所述策略矩阵的所述目标函数之差的绝对值，若所述绝对值大于设定的阈值，则继续训练所述属性矩阵和所述策略矩阵；根据训练后的所述属性矩阵和所述策略矩阵计算出预测矩阵，并根据得到的安全阈值得到对应的访问策略，包括：根据训练后的所述属性矩阵和所述策略矩阵计算出对应的预测矩阵，并将所述预测矩阵任一列元素按降序排列后，计算对应列所有的潜在阈值；利用所述潜在阈值将对应列所述元素二值化后，计算出对应的均方误差值和安全阈值，直至所述预测矩阵所有列完成计算。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于矩阵分解的访问策略智能化生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD