热点事件持续更新

研究者探索用大模型生成更精简的权限策略

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

一项新研究提出用大语言模型生成“属性访问控制”（ABAC）的权限规则，让AI去“发明”更合适的规则，而不是在已有规则里挑。新方案比老办法更好、规则更少、出错的授权也少了。实验在两个企业场景里做，每边各5个测试。新办法在10次全部成功中比老方法好，其中7次是明显更好。策略数量也从原来的11.2-14.6条，减少到9.2-9.6条，更接近9条这个最优解。研究还发现，如果属性名字不写清楚、只用代号，模型的表现会大幅下滑，错误率会升高。这说明给属性起个清晰的名字，对于模型工作好坏非常关键。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00

LLM 提议用于认证访问控制策略挖掘：生成而非选择

报道时间线

沿着报道，了解事件的不同侧面。

10月30日

12:00
arXiv · ML
LLM 提议用于认证访问控制策略挖掘：生成而非选择
LLM 替代纯语法生成器以语义方式提议规则，保留组合选择器保证可靠性。在两个企业域各五个种子测试中，新方案在 10/10 次运行中优于语法基线，且 7 次严格更优。策略规则数从 11.2–14.6 降至 9.2–9.6（接近最优 9），误授权减少 4 至 7 倍。去匿名化消融显示，不透明属性名导致模型规则恢复率损失三分之二。

本事件热度走势

可比范围当前: 8
可比范围峰值: 910月30日 17:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。