論文の概要: "Shifting Access Control Left" using Asset and Goal Models
- arxiv url: http://arxiv.org/abs/2504.17906v1
- Date: Thu, 24 Apr 2025 19:45:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.563824
- Title: "Shifting Access Control Left" using Asset and Goal Models
- Title（参考訳）: 資産モデルと目標モデルを用いた「アクセス制御左シフト」
- Authors: Shamal Faily,
- Abstract要約: 本稿では,資産モデルと目標モデルに基づいて,アクセス制御に関する知識の対称性を識別するツール支援手法を提案する。
アクセス制御を透過的にするための境界オブジェクトを提供し、アクセス制御に関する知識をより対称にする。
- 参考スコア（独自算出の注目度）: 0.8158530638728498
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Access control needs have broad design implications, but access control specifications may be elicited before, during, or after these needs are captured. Because access control knowledge is distributed, we need to make knowledge asymmetries more transparent, and use expertise already available to stakeholders. In this paper, we present a tool-supported technique identifying knowledge asymmetries around access control based on asset and goal models. Using simple and conventional modelling languages that complement different design techniques, we provide boundary objects to make access control transparent, thereby making knowledge about access control concerns more symmetric. We illustrate this technique using a case study example considering the suitability of a reusable software component in a new military air system.
- Abstract（参考訳）: アクセス制御には幅広い設計上の意味があるが、アクセス制御仕様は、それらの要求が捕捉される前に、その間、または、後に引き起こされる可能性がある。
アクセス制御の知識は分散しているので、私たちは知識をより透過的にし、ステークホルダーに利用可能な専門知識を使う必要があります。
本稿では,資産モデルと目標モデルに基づいて,アクセス制御に関する知識の対称性を識別するツール支援手法を提案する。
異なる設計手法を補完するシンプルで従来型のモデリング言語を用いて、アクセス制御を透過的にするための境界オブジェクトを提供し、アクセス制御に関する知識をより対称にする。
本手法は、新しい軍用航空システムにおける再利用可能なソフトウェアコンポーネントの適合性を考慮したケーススタディの例を用いて説明する。
関連論文リスト
- SudoLM: Learning Access Control of Parametric Knowledge with Authorization Alignment [51.287157951953226]
我々は,特定のパラメトリック知識のアクセス制御をLLMが学べるフレームワークであるSudoLMを提案する。
2つのアプリケーションシナリオの実験は、SudoLMがユーザのパラメトリック知識へのアクセスを効果的に制御し、その汎用性を維持することを実証している。
論文 参考訳（メタデータ） (2024-10-18T17:59:51Z) - Comparison of Access Control Approaches for Graph-Structured Data [0.0]
グラフ構造化データは、その複雑な構造のために高度な、柔軟な、きめ細かいアクセス制御を必要とする。
いくつかの研究は、プロパティグラフ構造データ保護、きめ細かいアクセス制御、そしてそれらの概念の実現可能性と適用性を証明することに焦点を当てている。
我々は,近年のデータベースモデルに加えて,さまざまなデータベースモデルの認証とアクセス制御に関する体系的な文献レビューから,論文を選択する。
論文 参考訳（メタデータ） (2024-05-31T12:31:05Z) - Fine-grained Controllable Video Generation via Object Appearance and
Context [74.23066823064575]
細粒度制御可能なビデオ生成法(FACTOR)を提案する。
FACTORは、オブジェクトの位置とカテゴリを含む、オブジェクトの外観とコンテキストを制御することを目的としている。
本手法は,オブジェクトの外観を微調整せずに制御し,オブジェクトごとの最適化作業を省く。
論文 参考訳（メタデータ） (2023-12-05T17:47:33Z) - Rethinking Privacy in Machine Learning Pipelines from an Information
Flow Control Perspective [16.487545258246932]
現代の機械学習システムは、成長を続けるコーパスで訓練されたモデルを使用する。
オーナシップ、アクセス制御、ライセンス情報などのメタデータは、トレーニング中に無視される。
情報フロー制御の観点から機械学習システムを記述する。
論文 参考訳（メタデータ） (2023-11-27T13:14:39Z) - Deep Learning meets Blockchain for Automated and Secure Access Control [0.0]
本稿では,分散アクセス制御のソリューションとして,Deep Learning Based Access Control Usingを提案する。
DLACBはブロックチェーンを使用して、医療、金融、政府などのさまざまな領域で透明性、トレーサビリティ、信頼性を提供します。
すべてのデータがブロックチェーンに記録されるため、悪意のあるアクティビティを識別する能力があります。
論文 参考訳（メタデータ） (2023-11-10T18:50:56Z) - A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。
コントローラと証明書を形式的に合成する自動化手法を提案する。
我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
論文 参考訳（メタデータ） (2023-09-12T09:37:26Z) - Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A
Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。
閉ループアクセス制御の強化学習(RL)支援方式を提案する。
深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文 参考訳（メタデータ） (2023-03-05T12:25:49Z) - In-Distribution Barrier Functions: Self-Supervised Policy Filters that
Avoid Out-of-Distribution States [84.24300005271185]
本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。
本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
論文 参考訳（メタデータ） (2023-01-27T22:28:19Z) - Machine Learning in Access Control: A Taxonomy and Survey [0.0]
我々は、さまざまなアクセス制御問題を解決するために、さまざまな機械学習アプローチを調査し、まとめる。
パブリックな実世界のデータセットの欠如、MLベースのアクセス制御システムの管理、ブラックボックスMLモデルの決定の理解など、現在の制限とオープンな課題を強調します。
論文 参考訳（メタデータ） (2022-07-04T22:36:27Z) - Toward Deep Learning Based Access Control [3.2511618464944547]
本稿では,ディープラーニング技術の大幅な進歩を活用して,DLBAC(Deep Learning Based Access Control)を提案する。
DLBACは補完し、長期的には、従来のアクセス制御モデルをニューラルネットワークで置き換える可能性さえある。
提案手法は,精度,一般化,説明可能性に関する問題に対処することで実現可能であることを示す。
論文 参考訳（メタデータ） (2022-03-28T22:05:11Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。