Role Mining with Generative AI
2.61 MB
suljettu
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Lataukset5
Pysyvä osoite
Verkkojulkaisu
DOI
Tiivistelmä
Organizations use an ever growing number of digital tools and resources. It is imperative that the use of those tools and resources can be controlled. Directly assigning users permissions to perform actions quickly gets unmanageable as the number of entities to control gets larger. One solution proposed to help with this situation is Role-Based Access Control.
A major hurdle in implementing role-based access control is the need to define the roles. As this can be very time intensive, automated solutions have been developed to derive roles from an organization’s existing user-permission assignment. This practice is called Role Mining and has, by now, been studied for a quarter of a century.
However, something new has come up recently that has reshaped how people approach automation problems. Generative AI and especially Large Language Models with their latent capabilities have shown themselves applicable to many different types of tasks. This thesis explores role mining using a commercial large language model.
We find that generative AI can produce sensible role set outputs from user-permission assignment input data. It can also evaluate its own work and suggest reasonable improvements on it. However, we don’t see generative AI replacing pre-existing approaches to role mining. Its outputs can be volatile and it does not always respect given limiting heuristics that may be critical for meeting business requirements.
Organisaatiot käyttävät kasvavaa määrää digitaalisia työkaluja ja resursseja. On hyvin tärkeää, että näiden työkalujen ja resurssien käyttöä voidaan hallita. Käyttöoikeuksien määrittäminen suoraan kullekin käyttäjälle vaikeutuisi nopeasti hallittavien entiteettien määrän kasvaessa. Yksi ratkaisu tämän tilanteen helpottamiseksi on roolipohjainen pääsyoikeuksien hallinta.
Merkittävä haaste roolipohjaisen pääsynhallinnan käyttöönotossa on hallinnassa käytettävien roolien määrittäminen. Koska se on aikaavievää, on kehitetty automatisoituja ratkaisuja roolien luomiseksi organisaatiossa määriteltyjen oikeuksien pohjalta. Tätä kutsutaan roolilouhinnaksi, ja sitä on tutkittu jo neljännesvuosisata.
Viimeaikainen edistys on tuonut uuden tavan automaatio-ongelmien lähestymiseen. Generatiivinen tekoäly, ja varsinkin suuret kielimallit piilevine kyvykkyyksineen, ovat osoittautuneet soveltuviksi moniin erityyppisiin tehtäviin. Tässä opinnäytetyössä tutkitaan kaupallisen suuren kielimallin käyttämistä roolilouhintaan.
Toteamme, että generatiivinen tekoäly pystyy tuottamaan järkevän roolikoosteen annetuista käyttäjien ja oikeuksien määritelmistä. Se pystyy myös arvioimaan omaa työtään ja ehdottamaan siihen järkeenkäypiä parannuksia. Emme kuitenkaan näe, että generatiivinen tekoäly voisi korvata nykyiset roolilouhintametodit. Sen tuotokset voivat olla epävakaita eikä se ei aina kunnioita sille annettuja rajoittavia heuristiikkoja, joiden toteutuminen kuitenkin voi olla vaatimus liiketoimintatarpeiden täyttymiselle.