基于集成学习与CP-ABE结合的大模型云平台访问安全控制策略设计OA

针对现有属性加密ABE方案在处理复杂属性集时存在计算效率低、属性关联性利用不足等问题,文中提出了一种基于集成学习与密文策略属性基加密(CP-ABE)结合的大模型平台访问安全控制策略。该策略包含GMDH、KNN、SVM算法的集成学习模型,对ABE所需属性进行特征筛选与语义聚合,构建了语义增强的属性集合。同时,采用CP-ABE实现基于属性集合的细粒度加密,利用分布式云节点的属性匹配实现解密。实验测试结果表明,该方案在保持安全性的前提下,加密时间减少了32.5%,解密时间缩短了28.7%,显著优于传统的CP-ABE方案,是一种安全有效的大模型云端交互解决方案。