PPO算法驱动的ABAC（Attribute-Based Access Control ）访问控制的疫苗库

本研究受生物免疫 “疫苗主动防御” 机制启发，提出 “ABAC 访问控制疫苗库” 概念：将历史授权数据视为 “抗原”，通过强化学习让 ABAC 模型自主学习访问规律，形成 “决策记忆”，并实时优化策略，如同疫苗激发机体免疫反应般，实现对各类访问场景的自适应防护。该疫苗库以亚马逊真实企业授权数据为基础，通过标准化的数据采集处理、精细化的质量控制、工程化的算法实现，构建 “数据 - 模型 - 策略” 一体化的访问控制解决方案。。数据集共包括 8 个核心数据文件，其中：(1) raw_data.csv 是清洗后的亚马逊原始认证授权数据，数据量 3.2MB；(2) train_data.csv 是模型训练集数据（9 维编码特征，无标签），数据量 1.8MB；(3) test_data.csv 是模型测试集数据（含编码特征与 ACTION 标签），数据量 3.0MB；(4) encoding_map.csv 是特征目标编码映射表，数据量0.2MB；(5) network_log.csv 是 PPO 奖励计算用网络日志数据，数据量 2.5MB；(6) abac_ppo.py 是核心算法脚本（含数据预处理、模型构建逻辑），数据量 0.3MB；(7) model_params.pth 是训练稳定的模型参数文件，数据量 0.5MB；(8) requirements.txt 是环境依赖清单，数据量 0.1MB；总数据量约 10MB。

搜集汇总

背景与挑战

背景概述

该数据集受生物免疫“疫苗主动防御”机制启发，基于亚马逊真实企业授权数据，通过PPO强化学习算法驱动ABAC模型自主学习访问规律，实现自适应访问控制策略优化。数据集包含8个核心文件，涵盖原始认证数据、训练/测试集、编码映射、网络日志、算法脚本与模型参数，总数据量约10MB，旨在构建“数据-模型-策略”一体化的访问控制解决方案。