💻 computer science

MuSimA: A Tool with Multi-modal Input for Generating Bespoke ABAC Datasets

Dit paper introduceert MuSimA, een webtool die gebruikmaakt van multimodale invoer (zoals JSON en handgetekende schetsen verwerkt door een LLM) om op maat gemaakte synthetische datasets voor Attributegestuurde Toegangscontrole (ABAC) te genereren voor het testen en schalen van beveiligingsalgoritmen.

Oorspronkelijke auteurs: Saket Jha (Indian Institute of Technology Kharagpur, India), Karthikeya S. M. Yelisetty (Indian Institute of Technology Kharagpur, India), Singabattu Sathya (Indian Institute of Technology Kharagpur

Gepubliceerd 2026-04-15

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Saket Jha (Indian Institute of Technology Kharagpur, India), Karthikeya S. M. Yelisetty (Indian Institute of Technology Kharagpur, India), Singabattu Sathya (Indian Institute of Technology Kharagpur, India), Shamik Sural (Indian Institute of Technology Kharagpur, India)

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme, complexe beveiligingspoort wilt bouwen voor een digitaal kasteel. Deze poort, genaamd ABAC (Attribuutgebaseerde Toegangscontrole), beslist niet alleen op basis van "wie" je bent (zoals een sleutel), maar ook op basis van "waar" je bent, "wanneer" je komt, en wat je "draagt".

Het probleem? Om te testen of deze poort goed werkt, heb je duizenden bezoekers nodig om te zien of de poort ze wel of niet binnenlaat. Maar echte organisaties (zoals ziekenhuizen of banken) willen hun echte bezoekersgegevens niet delen vanwege privacy.

Hier komt MuSimA om de hoek kijken. Het is een slimme, webgebaseerde "fabriek" die kunstmatige bezoekers voor je maakt.

Hier is hoe het werkt, vertaald in alledaags taal:

1. De Fabrikant van Kunstmatige Bezoekers

MuSimA is als een super-geavanceerde bakker. In plaats van brood, bakt hij datasets (verzamelingen van gegevens) voor beveiligingssystemen.

Wat hij doet: Hij creëert duizenden fictieve gebruikers, objecten (zoals bestanden) en omstandigheden (zoals "het is nacht" of "het regent").
Het doel: Onderzoekers kunnen hun beveiligingspoort testen met deze kunstmatige data, zonder dat ze echte, gevoelige gegevens van mensen hoeven te gebruiken.

2. Twee Manieren om de "Recepten" te Geven

Normaal gesproken moet je een computerprogramma ingewikkelde code geven om te zeggen: "Maak 500 gebruikers met een gemiddelde leeftijd van 30, waarbij de verdeling klokt." Dat is voor veel mensen te lastig.

MuSimA maakt het makkelijker met twee ingangen:

Manier A: De Strikte Chef (JSON-bestand)
Je geeft de computer een gestructureerd lijstje (een JSON-bestand) met exacte instructies. Denk hieraan als het geven van een exact recept aan een kok: "Gebruik 3 koppen bloem, 2 eieren, en bak het 10 minuten."
Manier B: De Kunstzinnige Schets (Tekening)
Dit is het meest creatieve deel. Stel je voor dat je een grafiek tekent op een stuk papier. Je tekent een bergje om te zeggen: "Ik wil dat de meeste mensen jong zijn, maar er zijn ook wat ouderen."
- MuSimA gebruikt een AI (een grote taalmodel) die als een slimme kunstcriticus fungeert. Hij kijkt naar jouw krabbel, begrijpt wat je bedoelt ("Ah, dat is een normale verdeling met een piek hier"), en zet het automatisch om in de juiste cijfers voor de computer. Je hoeft niet te weten wat "standaarddeviatie" is; je tekent gewoon hoe het eruit moet zien.

3. De "Beveiligingsregels" en de "Toegangsmatrix"

Nadat MuSimA de bezoekers heeft bedacht, bedacht hij ook de regels voor de poort:

Toegangsregels: "Als iemand een badge heeft én het is overdag, dan mag hij binnen."
Afwijzingsregels: "Als iemand een rode hoed draagt, mag hij nooit binnen, zelfs niet overdag."

Vervolgens test MuSimA elke combinatie van bezoeker, object en omstandigheid. Hij maakt een enorme lijst (een Toegangsmatrix) waarin staat:

Bezoeker A + Object B + Omstandigheid C = GROEN LICHT (Toegang verleend).
Bezoeker X + Object Y + Omstandigheid Z = ROOD LICHT (Toegang geweigerd).

4. Waarom is dit zo handig?

Vroeger moesten onderzoekers zich beperken tot kleine, starre datasets of onvolledige echte data.

MuSimA is als een Lego-set: Je kunt de grootte en complexiteit van je dataset aanpassen alsof je een toren bouwt. Wil je testen of je systeem crasht bij 100.000 gebruikers? MuSimA maakt ze in een handomdraai.
Het is open en vrij: Net als open-source software, kunnen onderzoekers het gratis gebruiken en zelfs hun eigen "AI-kok" erin stoppen als ze dat willen.

Samenvattend

MuSimA is een hulpmiddel dat onderzoekers helpt om hun beveiligingssystemen te testen door kunstmatige, realistische scenario's te creëren. Het combineert de precisie van code met de intuïtie van een tekening, zodat je niet hoeft te zijn een programmeur om te zeggen hoe je data eruit moet zien. Het is de "proefkonijn-fabriek" voor digitale beveiliging, zodat echte systemen later veilig kunnen werken.

Probleemstelling

Hoewel er aanzienlijke vooruitgang is geboekt in het onderzoek naar Attribuutgebaseerde Toegangscontrole (ABAC), ontbreekt er een robuust hulpmiddel om grote, schaalbare synthetische datasets te genereren voor het testen van deze systemen. Bestaande methoden en datasets hebben de volgende beperkingen:

Gebrek aan realistische data: Organisaties delen zelden hun echte toegangscontroledata vanwege privacyredenen. De enige publiek beschikbare real-world datasets (Amazon Kaggle en Amazon UCI) zijn beperkt in grootte en flexibiliteit.
Beperkte synthetische tools: Bestaande tools zoals ConGRASS (gebaseerd op GANs) zijn beperkt door de attributendimensies van de oorspronkelijke datasets. Tools zoals die van Xu en Stoller bieden slechts vooraf bepaalde variaties en kunnen geen domeinspecifieke verdelingen genereren.
Ontbreken van omgevingsattributen: Geen van de bestaande tools ondersteunt omgevingsattributen (environmental attributes), een cruciaal onderscheidend kenmerk van ABAC ten opzichte van RBAC en DAC.
Geen gebruikersdefinieerde verdelingen: Bestaande repositories zoals ABAC Lab faciliteren mining met vooraf ingestelde parameters, maar staan gebruikers niet toe om specifieke attributverdelingen op te geven.

Methodologie: MuSimA

MuSimA (Multi-Modal Simulator for ABAC Systems) is een webgebaseerde tool die synthetische ABAC-datasets genereert op basis van door de gebruiker gespecificeerde parameters. De tool volgt een gestructureerd proces:

1. Multi-modale Invoer:
Gebruikers kunnen specificaties op twee manieren invoeren:

Gestructureerde JSON: Een bestand met parameters zoals het aantal entiteiten (gebruikers, objecten, omgeving), attributen, mogelijke waarden en de gewenste kansverdelingen (Uniform, Sampled Normal, Poisson).
Handgetekende schetsen: Gebruikers kunnen een schets van de gewenste verdeling tekenen. MuSimA gebruikt een Large Language Model (LLM) (specifiek Google Gemini) om de verdelingsparameters (bijv. $\mu$ $μ$ , $\sigma$ $σ$ , $\lambda$ $λ$ ) uit deze afbeeldingen te extraheren.
- Iteratieve verfijning: Om fouten in de extractie te minimaliseren, vergelijkt het systeem de originele schets met een gegenereerde benadering en past de parameters iteratief aan via een prompt-engineering-strategie.

2. Data Generatie Proces:
Het generatieproces verloopt in vijf fasen:

Fase 1 (Entiteiten & Attributen): Genereren van unieke ID's voor subjecten ( $S$ ), objecten ( $O$ ) en omgevingsentiteiten ( $E$ ), evenals hun respectievelijke attributen ( $A_s, A_o, A_e$ ).
Fase 2 (Attribuutwaarden): Definieren van de verzameling mogelijke waarden voor elk attribuut.
Fase 3 (Toewijzing): Toewijzen van waarden aan entiteiten op basis van de gespecificeerde verdelingen:
- Normaalverdeling: Steekproeven uit een afgeknotte normale verdeling en binning naar discrete waarden.
- Poissonverdeling: Berekenen van discrete kansen en steekproeven nemen.
- Uniforme verdeling: Willekeurige selectie.
Fase 4 (Beleid Generatie): Genereren van toestaan- ( $\Pi^+$ ) en weigeren-regels ( $\Pi^-$ ) op basis van attribuut-waarde paren. De tool hanteert de "deny-overrides-permit" semantiek.
Fase 5 (Toegangscontrole Matrix): Evaluatie van elke tuple $(s, o, e)$ tegen de regels om een toegangsbeslissing (0 of 1) te genereren.

3. Output:
De tool levert een ZIP-bestand met:

output.json: Volledige gestructureerde weergave van het ABAC-systeem.
ACM.txt: De toegangscontrolematrix.
access_data.txt: Een platte weergave geschikt voor machine learning.
Attestatie: Afbeeldingen die de overeenkomst tonen tussen de gewenste en de gegenereerde verdelingen.

Belangrijkste Bijdragen

Eerste tool voor omgevingsattributen: MuSimA is de eerste tool die specifiek ontworpen is om omgevingsattributen te genereren, wat essentieel is voor realistische ABAC-scenario's.
Multi-modale input: De integratie van handgetekende schetsen via LLM's maakt het voor niet-technische gebruikers mogelijk om complexe verdelingen op te geven zonder diepgaande statistische kennis.
Flexibiliteit en Schaalbaarheid: De tool ondersteunt willekeurige schalen (aantal entiteiten en regels) en complexe verdelingen, in tegenstelling tot bestaande tools die vastzitten aan bestaande datasetlimieten.
Open Source en Privacy: De tool is open source en modulair ontworpen, waardoor organisaties deze lokaal kunnen draaien om privacyproblemen te voorkomen.

Resultaten

De auteurs hebben MuSimA getest op schaalbaarheid en nauwkeurigheid met een configuratie van 100.000 subjecten, 2.500 objecten en 1.000 omgevingsentiteiten (totaal 60 verdelingen).

Nauwkeurigheid: De gemiddelde fout (error) tussen de verwachte en de werkelijke verdelingen bedroeg 4,66%.
- Subject-attributen: 3,25% fout.
- Object-attributen: 5,45% fout.
- Omgevingsattributen: 5,30% fout.
Analyse: De fouten waren het laagst bij uniforme verdelingen en het hoogst bij complexe, sterk scheve verdelingen (bijv. 15,3% voor een specifiek object-attribuut). Desondanks bevestigt de lage gemiddelde fout dat de tool betrouwbaar is voor het genereren van grote datasets.
Validatie: Grafische vergelijkingen (Figuren 3 en 4) tonen aan dat de gegenereerde data de opgegeven verdelingen (Normal, Poisson, Uniform) nauwkeurig volgt.

Betekenis en Toekomstperspectief

MuSimA vult een kritieke leemte in het ABAC-onderzoek door onderzoekers een flexibel, open en schaalbaar middel te bieden om realistische testdata te genereren. Dit is essentieel voor het evalueren van beleidsmining-algoritmen, schaalbaarheidstests en beveiligingsanalyses op alle lagen van een ABAC-systeem (PIP, PDP, PEP).

Toekomstige richtingen omvatten:

Het leren van patronen uit echte logbestanden om realistischere correlaties tussen attributen te modelleren.
Uitbreiding met geavanceerde beleidsfuncties zoals tijdsgebonden regels, rolhiërarchieën en scheiding van taken.
Vergelijking van gegenereerde datasets met bestaande real-world datasets om de realistische aard verder te valideren.

Samenvattend biedt MuSimA een doorbraak in de generatie van bespoke (op maat gemaakte) ABAC-datasets, waarbij de combinatie van multi-modale input en ondersteuning voor omgevingscontext de standaard voor toekomstig ABAC-onderzoek kan worden.