设计快速且可扩展的 XACML 策略评估引擎

大多数之前关于策略的研究集中在正确性上。虽然正确性是一个重要的问题，但如果结果系统未能高效实施，性能较差，策略驱动的计算可能会受到限制。为了提高基于策略的计算的有效性和采用率，在本文中，我们提出了快速政策评估算法，可以适应以支持各种政策语言。在本文中，我们专注于 XACML 策略评估，因为 XACML 已成为指定访问控制策略的事实标准，已在 Web 服务器上广泛使用，并且在现有政策语言中最为复杂。我们在一个名为 XEngine 的政策评估系统中实现了我们的算法，并与 Sun 政策决策点（PDP）进行了并排比较，后者是 XACML 策略评估的工业标准。结果表明，XEngine 的速度比 Sun PDP 快几个数量级。性能差异几乎与 XACML 策略中的规则数量呈线性增长。据我们所知，之前没有关于提高 XACML 策略评估性能的研究。本文代表了探索这一未知领域的第一步。